基于CFA和BP神经网络的入侵检测方法

摘要：

基于BP神经网络的入侵检测方法因神经网络的初始网络运行参数是随机选择,存在容易陷入局部最优及收敛慢而导致检测准确率低的问题,提出一种基于CFA和BP神经网络的入侵检测方法CFA-BPIDS.将BP神经网络的权值和阈值编码成CFA中的细胞个体,BP神经网络全局误差作为CFA的适应值,然后进行多次迭代,选择适应值最优的细胞个体作为BP神经网络的权值和阈值,最后将具有最优权值和阈值的BP神经网络应用在网络入侵检测中的检测模块.实验结果表明,该方法相比基于遗传算法和粒子群算法,优化BP神经网络的入侵检测方法提高了入侵检测准确率.

关键词：CFA、BP神经网络、入侵检测、遗传算法、粒子群算法

所属期刊栏目：50

分类号：TP393.08(计算技术、计算机技术)

资助基金：广东省科技项目2014B090901053,2015B010128014,2015B090906015,2016B010107002;广州市科技计划项目201604010077,201604010048

在线出版日期：2018-08-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1-6