基于大数据分析技术的网络入侵检测方法

• 作者: 王琦 黄宗伟
• 来源期刊: 微型电脑应用
• 关键词: 网络安全 入侵行为 蚁群算法 漏检测概率 连接阈值 分类器
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 基金项目|FUND PROJECT
• 页码范围: 21-23
• 页数: 3页
• 分类号: TP317
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2021.02.007

摘要

为了获得更优的网络入侵检测效果,提出了一个基于大数据分析技术的网络入侵检测方法.首先分析了当前的网络入侵检测算法研究进展,描述大数据分析技术的网络入侵检测原理,然后采用神经网络构建网络入侵检测的分类器,并引入了蚁群算法选择最优的神经网络连接阈值和连接权值,最后选择当前标准的网络入侵检测数据集进行仿真实验.实验结果表明蚁群算法和神经网络的网络入侵检测成功率相当高,网络入侵行为的漏检测概率和错误检测概率明显减少,相对于其他入侵检测方法,蚁群算法选择神经网络的网络入侵检测整体效果得到了有效改善,可以保证网络安全.