论文部分内容阅读
针对传统的计算机网络入侵检测手段误报率高,系统检测时间较长,易造成检测系统的死循环。提出基于神经网络入侵检测系统的设计,通过建立密度函数向量权值进行聚类分析,通过入侵目标聚类分析划分,识别正常与入侵行为,运用粒子变异提取入侵数据状态,并由检测系统对入侵行为做出反应。实验证明,改进的入侵检测系统设计具有较高容错能力,检测率高,为计算机网络提供了保障。