神经网络集成模型在入侵检测中的应用  

Neural network ensembles model for intrusion detection

作　　者：徐敏[1] 丁红[1] 沈晓红[1] 

机构地区：[1]南通大学计算机科学与技术学院,江苏南通226019

出　　处：《计算机工程与应用》2012年第29期105-108,共4页Computer Engineering and Applications

基　　金：南通市应用研究项目(No.K2010053)

摘　　要：入侵检测是网络安全研究中的热点。提出了一种用于入侵检测的神经网络集成模型。该模型采用神经网络集成分类技术,去除训练集中的冗余数据,利用遗传算法优化成员网络的权值,在此基础上训练成员网络,最终通过神经网络对成员网络的输出结果进行融合。理论和实验表明,模型具有较好的检测能力。Intrusion detection is a central issue of network security research.This paper proposes a new neural network ensembles model for intrusion detection system.The model trains the individual networks based on data reducing.Genetic algorithm is used to optimize neural network weight.Neural network techniques are used to combine the different classification results.Theory and experiment show that the model is effective.

关 键 词：神经网络集成 属性选择 遗传算法 入侵检测 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]