基于人工示例训练的神经网络集成入侵检测

摘要：

提出一种基于人工示例训练的神经网络集成入侵检测方法.使用不同的训练数据集训练不同的成员网络,以此提高成员网络之间的差异度.在保证成员网络个数的基础上,选择差异度较大的成员网络构成集成,以提高系统的整体性能.实验结果表明,与当前流行的集成算法相比,该方法在保证较高入侵检测率的前提下,可保持较低的误检率,并对未知入侵也具有较高的检测率.

关键词：网络安全、入侵检测、异常检测、人工示例训练、神经网络集成、差异度

所属期刊栏目：38

分类号：TP393(计算技术、计算机技术)

资助基金：南通市应用研究科技基金资助项目K2010053

在线出版日期：2012-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：198-200