基于粗糙集和CP神经网络的入侵检测模型  

Model of Intrusion Detection Based on Rough Sets and CP Neural network

作　　者：黄小龙[1] 梁碧珍[1] 

机构地区：[1]百色学院数学与计算机工程系,广西百色533000

出　　处：《计算机仿真》2011年第10期115-117,133,共4页Computer Simulation

基　　金：国家自然科学基金项目(61063046);广西教育厅科研项目(201010LX498)

摘　　要：研究网络入侵检测准确度问题。针对入侵检测系统存在的比较高的漏报率以及高的误报率等缺陷,根据CP神经网络算法的优点,提出了一种改良型的CP神经网络入侵检测算法。算法采用已学习好的二值神经网络将简化的数据集作为CP神经网络输入数据,这样简化了CP神经网络的结构,解决了直接用CP学习造成的训练样本数量过大而难以收敛的问题,同时缩短了样本训练时间,有效提高了CP神经网络分类正确率。在Matlab平台上进行仿真的结果表明,所提出的新的入侵检测算法,训练样本时间更短,与传统网络入侵检测系统模型相比,具有更好的入侵识别率和检测率。High rate of fail to report and high false alarm rate and other defects exist in intrusion detection system,This paper proposed an improved CP neural network intrusion detection algorithm.Using neural networks to learn a good data set to simplify the neural network input data,the structure of CP Neural Network was simplified,avoiding the problem of difficult convergence due to excessive training samples.while reducing the samples,the training time was shorter and the classification accuracy was effectively improved.Matlab simulation results show that the proposed detection algorithm has a better recognition rate and detection rate.

关 键 词：神经网络 属性约简 入侵检测 

分 类 号：TP319[自动化与计算机技术—计算机软件与理论]