基于PCA的PSO-BP入侵检测研究

• 作者: 刘珊珊 张帅 徐洋 景凤宣 汪自旺 谢晓尧
• 来源期刊: 计算机应用研究
• 关键词: 主成分分析 粒子群优化 BP神经网络 入侵检测
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 信息安全技术
• 页码范围: 2795-2798
• 页数: 4页
• 分类号: TP309.2
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.09.054

摘要

为了提高入侵检测系统的检测率、实时性及降低误报率,提出一种基于主成分分析方法(PCA)的变惯性因子粒子群算法(PSO)优化BP神经网络算法.该方法结合了PCA理论、BP局部搜索和PSO的全局寻优能力,在数据预处理中,通过主成分分析方法进行特征提取,作为BP网络的输入量.在反复训练学习过程中,通过变惯性因子粒子群算法优化BP神经网络的权值和阈值,达到训练误差精度范围内,将优化过的BP网络用于入侵检测.通过实验分析和比较,该算法提高了入侵检测的正确率、泛化能力和实时性,降低了误报率和漏报率,加快了收敛速度,迭代次数少,有一定的研究意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	景凤宣	贵州师范大学贵州省信息与计算科学重点实验室	25	128	7.0	10.0
2	张帅	贵州师范大学贵州省信息与计算科学重点实验室	12	72	4.0	8.0
3	谢晓尧	贵州师范大学贵州省信息与计算科学重点实验室	101	352	9.0	12.0
4	徐洋	贵州师范大学贵州省信息与计算科学重点实验室	23	91	5.0	8.0
5	汪自旺	贵州师范大学贵州省信息与计算科学重点实验室	3	22	1.0	3.0
6	刘珊珊	贵州大学大数据与信息工程学院	3	22	1.0	3.0