基于遗传神经网络的入侵检测研究

基于遗传神经网络的入侵检测研究

入侵检测技术是计算机网络信息安全检测的重要手段之一,入侵检测作为一种动态的安全防护技术,提供了对内部攻击、外部攻击和误操作的实时保护,在网络系统受到危害之前拦截和响应入侵.对计算机网络数据进行特征提取,提出了采用遗传算法和神经网络相结合入侵检测技术.遗传算法具有计算简单、优化效果好的特点.利用遗传算法来避免BP算法的局部极小点,从而达到均方根误差全局最小点,也解决了BP算法的收敛慢的问题;同时也解决了单独利用GA往往不能在短时间内寻找到接近最优解的这一问题.通过计算机实验验证了入侵检测的效果,提高了识别率,使得误报率和漏报率降低.

作 者： 戴天虹 DAI Tian-hong   作者单位： 东北林业大学机电工程学院,哈尔滨,150040  刊 名： 中国安全科学学报  ISTIC PKU 英文刊名： CHINA SAFETY SCIENCE JOURNAL  年，卷(期)： 2006 16(2)  分类号： X913.2  关键词： 信息安全   入侵检测   神经网络   遗传算法   BP算法(误差反向传播算法)  

【基于遗传神经网络的入侵检测研究】相关文章：

基于遗传神经网络模型的水质综合评价04-26

基于遗传算法CSAMT反演计算研究04-27

安防及入侵检测·什么是IDS入侵检测04-26

基于LMBP神经网络的惯性器件故障预报方法研究04-26

基于神经网络的非线性结构有限元模型修正研究04-27

基于小波变换的多目标检测方法研究04-27

基于因子分析和模糊神经网络的城市公共安全评价研究04-26

基于小波神经网络的煤层底板突水非线性预测方法研究04-25

基于提升小波的颤振图像边缘检测方法研究04-27

基于光反馈的信号灯故障检测系统研究04-27