基于复合分类器的网络入侵检测模型

• 作者: 刘克文 张贲 王宇飞
• 来源期刊: 电力建设
• 学科: 工学
• 关键词: 入侵检测 核主成分分析 BP神经网络 量子遗传算法 复合分类器 分类器误差
• 年，卷（期）: 2011,（11）
• 所属期刊栏目: 输配电技术
• 页码范围: 40-44
• 分类号: TP393
• 字数: 4874字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7229.2011.11.009

摘要

为提高国家电网网络入侵检测中攻击分类问题的准确度,提出一种基于复合分类器的入侵检测模型.复合分类器由核主成分分析、量子遗传算法和前馈( back propagation,BP)神经网络组合而成.复合分类器先使用核主成分分析将高维数的原始数据降维,降维后的数据再通过BP神经网络训练生成分类模型,其中BP神经网络的参数通过量子遗传算法优化得到,最后使用分类模型对待测样本做精确入侵检测分类.与传统入侵检测算法相比,基于复合分类器的入侵检测模型更准确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘克文		9	444	6.0	9.0
2	王宇飞	华北电力大学控制与计算机工程学院	5	60	3.0	5.0
3	张贲		1	1	1.0	1.0