论文部分内容阅读
研究网络安全问题。网络入侵具有多样性、不确定性,收集数据包含大量冗余信息,传统网络入侵检测算法无法消除冗余消息,导致网络入侵检测的准确率低。为了提高网络安全性,提出了一种粗集神经网络的网络入侵检测算法。算法利用粗集理论对入侵样本数据属性约简,将不完整数据剔除,消除冗余信息,然后将约简后的数据输入BP神经网络,通过BP神经网络非线性学习能力,在输入与输出之间建立一种非线性映射关系,识别出网络入侵类型。仿真结果表明,相对于传统网络入侵检测算法,粗集BP神经网络不仅提高了网络检测的正确率,降低了误报率、漏