基于灰色神经网络的入侵检测系统研究  

Study on intrusion detection system based on grey neural networks

作　　者：阳树洪[1] 李春贵[1] 夏冬雪[2] 

机构地区：[1]广西工学院计算机工程系,广西柳州545006 [2]西南交通大学信息科学与技术学院,四川成都631031

出　　处：《计算机工程与设计》2007年第19期4622-4624,4627,共4页Computer Engineering and Design

基　　金：广西自然科学基金项目(桂科自0481016);广西工学院硕士基金项目(院科硕070218)

摘　　要：将灰色预测和神经网络有机的结合起来,构造出了新的灰色神经网络GNNM,并用于入侵检测系统(IDS)中,仿真结果表明,GNNM算法在较低误报率的基础上达到了理想的检测率,与传统的神经网络算法相比,不但提高了系统的并行计算能力和系统的可用信息的利用率,还提高了系统的建模效率与模型精度。Grey prediction is integrated with neural network and thus a new version of grey neural network model （GNNM） is constructed, then GNNM is applied to intrusion detection system. The simulation shows that GNNM algorithm reaches an ideal intrusion detection rate on the basis of low misinformation rate. Compared with traditional neural network algorithm, GNNM not only increases the parallel computing power of the system and the utilization of available information, but also improves the efficiency and refinement of model constructing.

关 键 词：入侵检测 灰色系统 神经网络 建模 检测率 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]