基于改进蚁群算法的神经网络入侵检测方法研究

发布时间：2018-03-30 13:47

  本文选题：蚁群算法　切入点：神经网络　出处：《福州大学学报(自然科学版)》2013年05期

【摘要】：提出一种改进的蚁群算法并与传统的BP神经网络相结合用于入侵检测,它既克服了BP传统神经网络的权值确定难度较大、收敛速度慢易陷入局部最小等缺陷,也通过BP神经网络的梯度信息弥补了单独使用蚁群算法所面临的不足.仿真实验结果表明,与传统方法相比,本方法步骤简化,速度及测试精度明显提高.
[Abstract]:An improved ant colony algorithm is proposed and combined with the traditional BP neural network for intrusion detection. It not only overcomes the disadvantages of the traditional BP neural network, such as the difficulty of weight determination, the slow convergence rate and the local minimum, etc.The gradient information of BP neural network is also used to make up for the shortage of using ant colony algorithm alone.The simulation results show that compared with the traditional method, this method is simplified, and the speed and precision of the method are improved obviously.
【作者单位】： 福州英华职业学院;
【分类号】：TP393.08

【参考文献】

相关期刊论文 前6条

1 王勇,杨辉华,王行愚,何倩;一种基于进化神经网络的入侵检测实验系统[J];华东理工大学学报(自然科学版);2005年03期

2 宋歌,闫巧,喻建平;神经网络在异常检测中的应用[J];计算机工程与应用;2002年18期

3 张晋;许榕生;任一凡;冯思玲;卢春燕;;基于IXP2400的高速网络入侵检测系统[J];计算机工程与应用;2006年07期

4 徐冲;王汝传;任勋益;;基于集成学习的入侵检测方法[J];计算机科学;2010年07期

5 危胜军,胡昌振,姜飞;基于BP神经网络改进算法的入侵检测方法[J];计算机工程;2005年13期

6 徐晓华;陈];;一种自适应的蚂蚁聚类算法[J];软件学报;2006年09期

【共引文献】

相关期刊论文 前10条

1 李钢;;基于BP网络的入侵检测模型研究与实现[J];安庆师范学院学报(自然科学版);2008年03期

2 王勇;韦鹏程;吴海霞;;基于交换机制的自适应蚁群聚类算法[J];重庆邮电大学学报(自然科学版);2010年05期

3 李凯;田双亮;耿丽君;;基于BP神经网络的入侵检测系统的特征选择[J];长春大学学报;2009年06期

4 李钢;;改进的BP网络在入侵检测中的应用[J];重庆科技学院学报(自然科学版);2010年01期

5 段晓东;刘霞;马艳准;闫帅;;基于群智能的信息认知机制研究[J];大连民族学院学报;2011年05期

6 张广斌;王莉;;基于遗传神经网络的入侵防御系统研究[J];电脑知识与技术;2006年35期

7 郭旭展;孙艳歌;;基于遗传算法和神经网络的入侵检测研究[J];电脑知识与技术;2009年29期

8 孙丽娜;李俊;王琳;;基于自适应蚁群算法的公交查询算法设计[J];电脑知识与技术;2009年34期

9 包晖;秦杰;张兴红;;BP神经网络在入侵检测中的应用[J];计算机安全;2010年03期

10 崔远;杨波;葛宁;;ART-2神经网络及其在入侵检测中的应用[J];电子科技;2006年12期

相关会议论文 前1条

1 初妍;张健沛;杨静;;基于移动Agent的蚁群算法在移动数据库中的应用[A];第二十四届中国数据库学术会议论文集（技术报告篇）[C];2007年

相关博士学位论文 前10条

1 曲建华;基于群体智能的聚类分析[D];山东师范大学;2010年

2 李晋江;海量数据点三维重构中一类关键问题研究[D];山东大学;2010年

3 何倩;P2P系统性能优化若干关键技术研究[D];北京邮电大学;2010年

4 汪江;汽轮机组振动故障诊断SVM方法与远程监测技术研究[D];东南大学;2005年

5 潘冠宇;基于粗糙集和群体智能的数据挖掘方法研究[D];吉林大学;2007年

6 荆永君;教育资源分布式配送与调度算法研究[D];东北师范大学;2008年

7 张长胜;求解规划、聚类和调度问题的混合粒子群算法研究[D];吉林大学;2009年

8 刘波;XML数据智能管理若干关键技术研究[D];中南大学;2008年

9 夏鸿斌;计算智能方法及在网络优化和预测中的研究[D];江南大学;2009年

10 李向华;基于人工免疫系统的增量聚类算法及其优化与应用的研究[D];吉林大学;2009年

相关硕士学位论文 前10条

1 刘琼;基于群体智能的聚类算法研究[D];长沙理工大学;2010年

2 杜玉霞;基于网格的任务调度算法研究[D];山东师范大学;2011年

3 李方洁;基于智能算法的DNA序列比对研究[D];山东师范大学;2011年

4 沈明明;聚类算法的研究及应用[D];江南大学;2011年

5 贾天丽;轨道列车走行部滚动轴承故障诊断研究[D];北京交通大学;2011年

6 崔保良;基于稀疏表示的协同入侵检测[D];广东工业大学;2011年

7 梁君玲;蚁群算法研究及其在聚类中的应用[D];华南理工大学;2011年

8 刘英;基于遗传神经网络的入侵检测系统研究[D];天津理工大学;2011年

9 刘建兴;基于信息熵的空间对象群聚类算法研究[D];南京师范大学;2011年

10 张婷婷;基于神经网络的入侵检测系统研究[D];青岛理工大学;2010年

【二级参考文献】

相关期刊论文 前10条

1 齐德昱;葛超;葛韧;;混合核支持向量回归及对社会用电量的预测[J];重庆工学院学报(自然科学版);2009年10期

2 王丽娜,董晓梅,于戈,王东;基于进化神经网络的入侵检测方法[J];东北大学学报;2002年02期

3 金波,林家骏,王行愚;入侵检测技术评述[J];华东理工大学学报;2000年02期

4 李辉,管晓宏,昝鑫,韩崇昭;基于支持向量机的网络入侵检测[J];计算机研究与发展;2003年06期

5 范华春,王颖,杨彬,李雪莹,陈宇,许榕生;基于网络处理器及协处理器的高速网IDS的研究[J];计算机工程与应用;2005年01期

6 李之棠,杨红云;模糊入侵检测模型[J];计算机工程与科学;2000年02期

7 王正群,陈世福,陈兆乾;并行学习神经网络集成方法[J];计算机学报;2005年03期

8 谭章熹,林闯,任丰源,周文江;网络处理器的分析与研究[J];软件学报;2003年02期

9 饶鲜,董春曦,杨绍全;基于支持向量机的入侵检测系统[J];软件学报;2003年04期

10 杨种学;杨宁;;基于BP神经网络的异常入侵检测方法[J];南京晓庄学院学报;2006年06期

【相似文献】

相关期刊论文 前10条

1 丁赢;殷肖川;胡傲;;基于蚂蚁算法与支持向量机的入侵检测技术[J];微型机与应用;2010年07期

2 夏淑华;;基于BP神经网络的入侵检测系统设计[J];计算机与现代化;2011年04期

3 胡海峰;赵凯;;基于改进型BP网络的入侵检测系统模型研究[J];喀什师范学院学报;2009年03期

4 蒋嶷川,张世永,钟亦平;基于蚁群算法实现入侵检测对动态网络拓扑的适应性[J];小型微型计算机系统;2005年07期

5 纪竹亮,戴连奎;一种改进的自适应路由算法[J];计算机工程;2004年09期

6 许毅,李腊元;基于蚁群算法的QoS多播路由优化算法[J];计算机应用研究;2005年02期

7 李少辉;刘弘;王静莲;;蚁群算法在P2P网络架构下的Web服务中的应用[J];计算机工程与应用;2006年20期

8 刘学辉;;P2P网络架构下蚁群算法的应用研究[J];无线电通信技术;2007年03期

9 彭艳飞;王正友;周代利;潘刘永;刘传林;李振兴;;基于蚁群算法的网格任务调度模拟[J];矿山机械;2008年04期

10 邓小清;彭小利;梁弼;;基于蚁群算法的网格资源发现模型研究[J];网络安全技术与应用;2010年09期

相关会议论文 前10条

1 王雪萍;杨青;黄祖锋;;P2P网络中基于蚁群算法的智能搜索研究[A];2006全国复杂网络学术会议论文集[C];2006年

2 高海华;王行愚;杨辉华;;基于群智能和SVM的网络入侵特征选择和检测[A];2005年中国智能自动化会议论文集[C];2005年

3 杨霞;;新的基于启发式蚁群算法的QoS路由算法[A];广西计算机学会2009年年会论文集[C];2009年

4 周献中;吴奎;萧毅鸿;;基于蚁群算法的Web服务自动组合[A];决策科学与评价——中国系统工程学会决策科学专业委员会第八届学术年会论文集[C];2009年

5 李陶深;肖猛;葛志辉;赵志刚;;基于蚁群优化算法的多QoS选播路由算法研究[A];2010年全国开放式分布与并行计算机学术会议论文集[C];2010年

6 范瑛;;改进蚁群算法结合BP网络用于入侵检测[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

7 谭强;罗莉;沈雁;;基于网络信息流挖掘的入侵检测技术研究[A];第二十届全国数据库学术会议论文集（技术报告篇）[C];2003年

8 黄琼;石雄;;基于CVFDT入侵检测技术的研究[A];全国计算机安全学术交流会论文集·第二十五卷[C];2010年

9 王弟;;论入侵检测技术[A];海南省通信学会学术年会论文集（2005）[C];2005年

10 许列;王明印;;基于隐马尔可夫模型(HMM)实时异常检测[A];中国通信学会第六届学术年会论文集（上）[C];2009年

相关重要报纸文章 前10条

1 ;第三战场[N];计算机世界;2001年

2 ;方兴未艾的入侵检测技术[N];人民邮电;2007年

3 赵晓涛;揭秘IDS技术[N];网络世界;2006年

4 金波 吴咏炜 邹淳;入侵检测技术综述[N];网络世界;2001年

5 苗青 若尘;入侵检测：安全的鸡肋[N];中国计算机报;2006年

6 ;IDS续存论对峙灭亡论[N];网络世界;2003年

7 ;金诺网安KIDS内外兼防[N];中国计算机报;2002年

8 本报特约张昕楠;中小企业入侵检测系统选中小企业入侵检测系统选型[N];中国电脑教育报;2005年

9 王竞功;整合是硬道理[N];中国计算机报;2004年

10 王伟 张征 潘丽 赵丽丽;入侵检测的智能应用[N];计算机世界;2006年

相关博士学位论文 前10条

1 熊家军;基于数据挖掘的入侵检测关键技术研究[D];华中科技大学;2004年

2 金劲;群集智能算法在网络策略中的研究及其应用[D];兰州理工大学;2011年

3 宋世杰;基于序列模式挖掘的误用入侵检测系统及其关键技术研究[D];国防科学技术大学;2005年

4 于志宏;视频安全与网络安全若干问题研究[D];吉林大学;2009年

5 吕勇;蚁群优化算法及在网络路由中的应用研究[D];浙江大学;2005年

6 李战春;入侵检测中的机器学习方法及其应用研究[D];华中科技大学;2007年

7 周豫苹;基于智能软件计算的入侵检测关键技术研究[D];东华大学;2010年

8 左申正;基于机器学习的网络异常分析及响应研究[D];北京邮电大学;2010年

9 王培崇;基于群智能计算技术的网络入侵检测算法研究[D];中国矿业大学（北京）;2010年

10 张小强;几类高效入侵检测技术研究[D];西南交通大学;2006年

相关硕士学位论文 前10条

1 傅宏;基于遗传多蚁群算法的QoS组播路由算法研究[D];重庆大学;2010年

2 吴志恩;基于蚁群算法的P2P负载均衡研究[D];华南理工大学;2010年

3 余林路;基于蚁群算法的P2P文件共享系统的研究[D];华南理工大学;2010年

4 吴小锋;移动代理迁移策略研究及其在IDS中的应用[D];哈尔滨理工大学;2009年

5 许洪;基于蚁群算法的组播路由优化与仿真[D];山东大学;2010年

6 刘枫;无线mesh网中基于蚁群算法的多约束QoS路由研究[D];湖南师范大学;2008年

7 段鹏飞;基于网络对象模型的网络分析算法及应用[D];武汉理工大学;2011年

8 王庆美;蚁群算法及其在QoS组播路由中的应用研究[D];电子科技大学;2009年

9 孙倩;基于多约束的QoS组播路由算法研究[D];山东师范大学;2010年

10 张姝;网站可用性分析及可视化技术研究[D];沈阳工业大学;2006年

，

本文编号：1686188