基于神经网络模型分割的入侵检测方法
针对神经网络在入侵检测应用中存在资源消耗大、学习效率低等不足,提出一种基于神经网络模型分割的入侵检测方法.该方法根据当前典型攻击的特征,为每类攻击分别建立独立的子神经网络,对该类攻击进行学习和检测.然后再将每个子神经网络分割成多个更小的子模型,来降低学习时间和减少神经网络各层之间的连接权数目.设计了相应算法并进行仿真实验.实验结果表明,提出的方法提高了入侵检测的速度,降低了系统资源的消耗,提高了检测率.
入侵检测、神经网络、子神经网络、模型分割、检测率
30
TP183(自动化基础理论)
湖南省科技基金项目2006GK3085
2010-01-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
5082-5086