基于主成分分析和多层感知机神经网络的入侵检测方法研究

发布时间：2021-02-26 05:07

　　针对现有入侵检测系统（Intrusion Detection System,IDS）检测方法准确率低,泛化能力弱,收敛速度慢,易陷入局部最优等问题,提出基于PCA（Principal Component Analysis）和多层感知机神经网络（MLP）的入侵检测模型。该模型首先对数据进行预处理和降维,然后使用该PCA-MLP模型进行训练并使用测试集测试模型的准确率,最后优化分类器的性能。实验表明,该模型可以提高入侵检测系统的准确率,具有很强的泛化能力。 

【文章来源】：软件工程. 2020,23(07)

【文章页数】：4 页

【文章目录】：
1 引言（Introduction）
2 主成分分析（Principal component analysis）
3 多层感知机神经网络（Multilayer perceptron neural network）
4 基于主成分分析和多层感知机神经网络的入侵检测模型（Intrusion detection model based on principal component analysis and multilayer perceptron neural network）
5 实验结果与分析（Experimental results and analysis）
    5.1 实验数据集
    5.2 实验过程
    5.3 优化实验结果
6 结论（Conclusion）


【参考文献】：
期刊论文
[1]基于主成分分析和概率神经网络的入侵检测方法[J]. 赵广振,张翠肖,武辉林,高婧,李旋.  石家庄铁道大学学报(自然科学版). 2018(01)
[2]基于PCA和ELM的网络入侵检测技术[J]. 黄思慧,陈万忠,李晶.  吉林大学学报(信息科学版). 2017(05)
[3]基于主成分分析法的入侵检测特征选择方法[J]. 刘婷,刘晓洁,岳未然.  网络新媒体技术. 2017(02)
[4]PCA-BP神经网络入侵检测方法[J]. 梁辰,李成海,周来恩.  空军工程大学学报(自然科学版). 2016(06)
[5]基于特征选择的网络入侵检测方法[J]. 戴远飞,陈星,陈宏,叶靓,林俊鑫,郭文忠.  计算机应用研究. 2017(08)
[6]基于PCA的PSO-BP入侵检测研究[J]. 刘珊珊,谢晓尧,景凤宣,徐洋,张帅,汪自旺.  计算机应用研究. 2016(09)
[7]一种基于特征选择的入侵检测方法[J]. 崔亚芬,解男男.  吉林大学学报(理学版). 2015(01)
[8]基于改进朴素贝叶斯算法的入侵检测系统[J]. 王辉,陈泓予,刘淑芬.  计算机科学. 2014(04)



本文编号：3052097