發(fā)布時間：2019-01-20 19:33

【摘要】：針對入侵檢測系統(tǒng)的自主學習性、實時性,提出帶變異算子的粒子群優(yōu)化方法,并用該方法優(yōu)化BP神經(jīng)網(wǎng)絡以加快其收斂速度,提出了MPSO_BP混合優(yōu)化算法.為提高入侵檢測系統(tǒng)的檢測率、降低誤報率,提出了一種新的入侵檢測模型(MPBIDS).采取Iris數(shù)據(jù)集對3個BP神經(jīng)網(wǎng)絡進行模擬實驗,結果表明,優(yōu)化后的BP神經(jīng)網(wǎng)絡具有更好的收斂速度和精度.將改進的BP神經(jīng)網(wǎng)絡應用到入侵檢測中,采取KDDCUP99為測試數(shù)據(jù)集,仿真結果表明,基于改進BP神經(jīng)網(wǎng)絡的入侵檢測模型能提高檢測率、降低誤報率.
[Abstract]:Aiming at the autonomous learning and real-time performance of intrusion detection system, a particle swarm optimization method with mutation operator is proposed, and the BP neural network is optimized to speed up its convergence. A hybrid MPSO_BP optimization algorithm is proposed. In order to improve the detection rate of intrusion detection system and reduce false alarm rate, a new intrusion detection model (MPBIDS). Is proposed. Three BP neural networks are simulated with Iris data sets. The results show that the optimized BP neural networks have better convergence speed and accuracy. The improved BP neural network is applied to intrusion detection and KDDCUP99 is used as the test data set. The simulation results show that the improved BP neural network based intrusion detection model can improve the detection rate and reduce the false alarm rate.
【作者單位】： 廣西大學計算機與電子信息學院;河北化工醫(yī)藥職業(yè)技術學院信息工程系;
【基金】：國家自然科學基金資助項目(60963022)
【分類號】：TP393.08

【參考文獻】

相關期刊論文 前3條

1 陶新民;王妍;趙春暉;劉玉;;雙尺度協(xié)同變異的離散粒子群算法[J];哈爾濱工程大學學報;2011年12期

2 劉俊芳;高岳林;;帶自適應變異的量子粒子群優(yōu)化算法[J];計算機工程與應用;2011年03期

3 肖立中;邵志清;馬漢華;王秀英;劉剛;;網(wǎng)絡入侵檢測中的自動決定聚類數(shù)算法[J];軟件學報;2008年08期

【共引文獻】

相關期刊論文 前10條

1 楊栩;尤學一;季民;潘留明;王秀朵;趙樂軍;;城市綠地土壤入滲模型及參數(shù)確定[J];城市環(huán)境與城市生態(tài);2011年06期

2 李燕楠;包廣清;;基于小波包和支持向量機的電能質量擾動識別[J];電力科學與工程;2012年03期

3 韓力;辛懋;羅辭勇;;基于粒子群優(yōu)化算法的永磁直流電動機設計[J];重慶大學學報;2009年05期

4 王永林;王東云;;織物變形舒適性的雙群粒子群聚類研究[J];紡織學報;2010年04期

5 付玲生;文凱;陳小洪;;基于模糊C-均值聚類的認知無線電網(wǎng)絡信道選擇[J];廣東通信技術;2011年11期

6 于海濤;李梓;王振福;方晶;;入侵檢測相關技術的研究[J];智能計算機與應用;2013年02期

7 岳陽;;基于BP神經(jīng)網(wǎng)絡的計算機網(wǎng)絡安全評估[J];電腦知識與技術;2013年18期

8 郭歆瑩;張建康;穆曉敏;張U，

本文編號：2412332