基于神经网络模型分割的入侵检测方法

• 作 者: 王晓霞 唐耀庚
• 机 构: 南华大学计算机科学与技术学院,湖南工学院计算机与信息科学系
• 出 处: 计算机工程与设计
• 发表日期: 2009年22期
• 关键词: 入侵检测 神经网络 子神经网络 模型分割 检测率 intrusion detection system neural network sub neural

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。