免疫算法优化的RBF在入侵检测中的应用

• 作者: 曹耀彬 王亚刚
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 入侵检测 RBF神经网络 中心点 K-means 免疫算法 最小均方差
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 安全与防范
• 页码范围: 114-118
• 页数: 5页
• 分类号: TP301.6
• 字数: 4895字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2017.06.024

摘要

RBF(Radical Basis Function)神经网络是一种典型的三层前向神经网络.虽然RBF神经网络的非线性逼近能力、分类能力以及学习速度都要好于其他的神经网络,但是RBF神经网络在实际应用中隐含层中心点难求,不能被广泛地应用于入侵检测系统中.免疫算法是基于免疫系统的学习算法,免疫算法不仅对干扰具有较强维持系统平衡的能力,而且具有较强的模式分类能力.为了得到最优的RBF神经网络并将其应用到入侵检测系统中,提出了一种免疫算法优化的基于最小均方差的联合RBF神经网络,即IA-LMS-RBF算法.仿真实验结果表明,与传统的K-means和随机法选取基函数中心点相比,基于免疫算法求取中心点的LMS-RBF神经网络,不仅能明显地提高对已知攻击的检测能力,并且对于未知的攻击行为也能很好地进行识别.IA-LMS-RBF算法有效提高了入侵检测系统的效率,保证了计算机系统的安全性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王亚刚	西安邮电大学计算机学院	36	233	5.0	14.0
2	曹耀彬	西安邮电大学计算机学院	3	7	2.0	2.0