基于混沌PSO算法优化RBF网络入侵检测模型

• 作者: 熊焰 王亚 陆琦玮 龚旭东
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 入侵检测模型 特征选择 粒子群优化算法 神经网络 混沌扰动 数据集
• 年，卷（期）: 2013,（10）
• 页码范围: 84-87
• 分类号: TP391
• 字数: 4063字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1212-0089

摘要

针对网络安全中异常入侵检测,给出了一种构建最优神经网络入侵模型的方法.采用混沌扰动改进粒子群优化算法,优化径向基函数RBF神经网络入侵模型.把网络特征子集和RBF神经网络参数编码成一个粒子,通过粒子间的信息交流与协作快速找到全局最优粒子极值.在KDD Cup 99数据集进行仿真实验,实验数据表明,建立了一种检测率高、速度快的网络入侵检测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊焰	中国科技大学计算机科学与技术学院	13	124	5.0	11.0
2	王亚	中国科技大学计算机科学与技术学院	2	12	1.0	2.0
3	龚旭东	中国科技大学计算机科学与技术学院	1	12	1.0	1.0
4	陆琦玮	中国科技大学计算机科学与技术学院	1	12	1.0	1.0