郑州大学学报(理学版)

2018, v.50(03) 1-6

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于CFA和BP神经网络的入侵检测方法
Intrusion Detection Method Based on Cuttlefish Algorithm and BP Neural Network

凌捷;黄盛;

摘要(Abstract):

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.

关键词(KeyWords): CFA;BP神经网络;入侵检测;遗传算法;粒子群算法

Abstract:

Keywords:

基金项目(Foundation): 广东省科技项目(2014B090901053,2015B010128014,2015B090906015,2016B010107002);; 广州市科技计划项目(201604010077,201604010048)

作者(Author): 凌捷;黄盛;

Email:

DOI: 10.13705/j.issn.1671-6841.2017292

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享