混沌免疫遗传算法的网络入侵检测模型  

Network intrusion detection model of chaos immune genetic algorithm

作　　者：贾花萍[1] 李尧龙[1] 史晓影[2] 

机构地区：[1]渭南师范学院数学与信息科学学院,陕西渭南714099 [2]渭南师范学院物理与电气工程学院,陕西渭南714099

出　　处：《计算机工程与应用》2014年第21期96-99,共4页Computer Engineering and Applications

基　　金：陕西省自然科学基础研究计划项目(No.2011JM1010);陕西省教育厅专项科研计划项目(No.14JK1256)

摘　　要：为了有效地提高入侵检测系统的检测率并降低误报率,提出采用属性约简方法对高维入侵检测数据进行特征选择,剔除无关的属性输入来提高检测效果,将混沌免疫遗传算法引入神经网络学习过程用以进行入侵检测,与传统BP神经网络检测结果进行比较,实验结果表明,将该方法用于入侵检测是切实可行的。In order to effectively improve the detection rate of intrusion detection system and reduce the false alarm rate, the method of attribute reduction of high-dimensional data in intrusion detection feature selection is proposed. Attribute input irrelevant is weeded out to improve the detection effect. The chaos immune genetic algorithm is used in neural net-work learning process for intrusion detection. Compared with the traditional BP neural network detection results, the experi-mental results show that the method used in intrusion detection is feasible.

关 键 词：混沌 免疫网络 遗传算法 入侵检测 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]