基于CFA和BP神经网络的入侵检测方法

• 作者: 凌捷 黄盛
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: CFA BP神经网络 入侵检测 遗传算法 粒子群算法
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 1-6
• 页数: 6页
• 分类号: TP393.08
• 字数: 4357字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2017292

摘要

基于BP神经网络的入侵检测方法因神经网络的初始网络运行参数是随机选择,存在容易陷入局部最优及收敛慢而导致检测准确率低的问题,提出一种基于CFA和BP神经网络的入侵检测方法CFA-BPIDS.将BP神经网络的权值和阈值编码成CFA中的细胞个体,BP神经网络全局误差作为CFA的适应值,然后进行多次迭代,选择适应值最优的细胞个体作为BP神经网络的权值和阈值,最后将具有最优权值和阈值的BP神经网络应用在网络入侵检测中的检测模块.实验结果表明,该方法相比基于遗传算法和粒子群算法,优化BP神经网络的入侵检测方法提高了入侵检测准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	凌捷	广东工业大学计算机学院	133	1124	17.0	28.0
2	黄盛	广东工业大学计算机学院	1	2	1.0	1.0