混合神经网络在入侵检测系统中的应用研究  

Application of Hybrid Neural Network in Intrusion Detection System

作　　者：常磊[1] 宋玲[1] 吴丹[1] 

机构地区：[1]广西大学计算机与电子信息学院

出　　处：《微计算机信息》2012年第9期407-408,394,共3页Control & Automation

基　　金：广西科学基金项目(桂科自0991059

摘　　要：提出一种基于MLP和Elman混合神经网络模型的入侵检测系统,旨在利用混合神经网络解决入侵检测问题。本模型具有记忆功能,可以有效地检测离散而又相联系的攻击行为。MLP网络是一个实时的模式分类器,而Elman网络实现了对事件的记忆能力。基于此混合模型的入侵检测系统使用DARPA数据集进行测试评估。实验证明基于此混合模型的入侵检测系统能够有效地提高检测率,降低误报率。This paper proposes an intrusion detection system based on MLP and Elman hybrid neural network model which can be used to solve intrusion detection problems. This mode/ has the function of memory and can effectively detect discrete and related attacks. The MLP network is a real-time mode classifier, and the Elman network can realize the memorial function of an event. The intrusion detection system based on this hybrid model uses DARPA data set to test and estimate. Experiments prove that this intrusion detection system based on the above hybrid model can effectively improve detection rate and reduce false alarm rate.

关 键 词：入侵检测系统 混合神经网络 MLP网络 ELMAN网络 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]