基于数据挖掘技术的网络入侵检测技术研究

摘要：

在此对基于数据挖掘技术的网络入侵检测技术进行研究。考虑到常规BP神经网络建立的网络入侵检测技术存在由于BP神经网络容易陷入最小值导致检测效率和准确率低下等问题，使用粒子群算法对BP神经网络模型进行优化，使用动态惯性权重系数以确定BP神经网络的参数，并将网络入侵流量特征与BP神经网络的参数组合并编码成一个粒子以实现网络入侵流量特征与BP神经网络的参数的同步选取。通过使用KDD CUP99数据库的入侵流量数据对使用该方法以及常规BP神经网络建立的检测模型进行训练和测试，结果表明，研究算法建立的检测模型具有更高的检测效率以及检测准确率。

关键词：数据挖掘、BP神经网络、网络入侵检测、粒子群优化算法

所属期刊栏目：39

分类号：TN915-34;TP393

资助基金：海军航空工程学院基础研究基金基于snort的网络入侵检测技术研究HY2014021

在线出版日期：2016-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：10-13