面向入侵检测的Taylor神经网络构建与分析

摘要：

深度学习方法已成为网络入侵检测的重要手段,但现有深度学习模型无法挖掘出网络入侵数据特征值间隐藏的函数映射关系.对此,设计了Taylor神经网络模型(TNN).利用Taylor公式对多项式函数的逼近能力与神经网络的优化能力对入侵数据特征间的关系进行挖掘与利用.首先,介绍Taylor神经网络的基本结构.为了将Taylor神经网络引入入侵检测领域,设计了Taylor神经网络层(TNL),并将其与传统深度神经网络结合构建Taylor神经网络模型.为优化Taylor公式的展开项数,引入人工蜂群算法,但传统的人工蜂群算法存在开采能力较差,易陷入"早熟"等问题,因此设计了一种基于高斯过程的人工蜂群算法.实验结果表明,基于Taylor神经网络的入侵检测算法在NSL-KDD和UNSW-NB15数据集上的准确率具有明显优势.

关键词：网络安全、入侵检测、Taylor公式、神经网络、人工蜂群算法

所属期刊栏目：17

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;江西省自然科学基金

在线出版日期：2023-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：748-760