基于遗传优化神经网络的网络入侵特征检测

• 作者: 陈鸿星
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 网络入侵 特征选择 遗传算法 径向基函数(RBF)神经网络
• 年，卷（期）: 2014,（14）
• 所属期刊栏目: 网络、通信、安全
• 页码范围: 78-81
• 页数: 4页
• 分类号: TP393
• 字数: 3845字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1208-0037

摘要

为了提高网络入侵检测正确率，提出一种遗传优化神经网络的网络入侵特征选择和检测算法。该方法先将网络状态特征和RBF神经网络参数作为遗传算法的个体，把检测正确率作为适应度函数；然后利用遗传算法的选择、交叉和变异等操作对网络状态特征和RBF神经网络参数进行优化，最后利用KDD 1999数据集对算法性能进行测试。测试结果表明：遗传优化神经网络能够快速获得最优网络状态特征和分类器参数，同时提高了网络入侵检测正确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈鸿星	江西师范大学数学与信息科学学院	14	55	6.0	6.0