基于粗糙集理论和BP神经网络入侵检测模型

• 作者: 宁慧 蔡晓丽 陈舜青
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 粗糙集理论 神经网络 属性约简 入侵检测
• 年，卷（期）: 2011,（11）
• 所属期刊栏目: 网络与互连技术
• 页码范围: 107-110
• 分类号: TP319
• 字数: 3879字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2011.11.025

摘要

研究网络入侵准确检测问题.针对入侵检测系统存在的比较高的漏报率以及高的误报率,同时也存在入侵检测的数据存在维数大、冗余度高等缺陷.为了保证网络的安全防护技术的实时性和有效性,结合领域粗糙集和BP神经网络算法的优点,提出了一种新的基于领域粗糙集理论和BP神经网络算法的入侵检测算法.首先在粗糙集理论的基础上引入领域概念,减少信息的丢失,利用领域粗糙集理论进行数据的约简,将简化的数据集作为BP神经网络输入数据,可简化BP神经网络的结构,同时缩短了样本训练时间,有效提高了BP神经网络分类正确率.在Matlab上进行仿真的结果表明,所提出的入侵检测算法,训练样本时间更短,入侵识别率和检测率却有了较以前的传统算法更高的准备率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈舜青		30	144	6.0	11.0
2	宁慧		28	118	7.0	9.0
3	蔡晓丽		27	130	7.0	11.0