基于生态系统神经网络的入侵检测算法

发布时间：2021-10-05 04:34

　　针对现有的网络攻击检测模型预测准确率和效率较低的问题,提出一种基于自然界生态系统原理的改进卷积神经网络算法。在卷积特征优化基础上,借鉴生态系统中的自组织与自我调节原理,设计基于生态系统的信息流传递模型,进而设计出改进卷积神经网络模型,并采用KDDCup99数据集作为实验对象检测改进神经网络的学习和预测效果。实验结果表明,所设计的改进神经网络不仅具有较高的检测准确率,而且相对于标准卷积神经网络和BP神经网络具备更高的学习效率,改进神经网络拥有广泛的应用前景。 

【文章来源】：指挥控制与仿真. 2020,42(04)

【文章页数】：6 页

【部分图文】：

生态系统示意图

借鉴生物界中的生态系统运作原理,用以改进卷积神经网络的内部结构,以更适应参数调节需求,使神经网络具备更强的自组织和自我优化能力。算法中,可将神经元看作生物种群,神经元内的每组参数组合看作生物个体,每个隐含层神经元组合看作生物群落,特征计算可看做生态系统内部的能量、物质与信息流动过程,则生态系统通过多次的特征计算达成系统内部的自我适应与自我优化。生态系统神经网络计算流程如图2所示。2.1 卷积层架构

卷积池化操作示意图

【参考文献】：
期刊论文
[1]杂草算法优化神经网络盲均衡算法的研究[J]. 耿艳香,王光艳,张立毅.  软件工程. 2019(04)
[2]基于并行特征选择和分类的网络入侵检测方法[J]. 戴敏.  计算机工程与设计. 2019(03)
[3]基于深度生成模型的半监督入侵检测算法[J]. 曹卫东,许志香,王静.  计算机科学. 2019(03)
[4]关于无线网络拥塞链路信息优化控制仿真[J]. 徐磊,杨晓飞,王玉龙.  计算机仿真. 2019(03)
[5]基于人工蜂群算法的分布式入侵攻击检测系统[J]. 谭继安,关继夫.  计算机应用与软件. 2019(03)
[6]新型入侵增量识别入侵检测模型[J]. 刘佳,张平,刘培玉,孔凡玉,李新金.  计算机应用与软件. 2019(03)
[7]改进的聚类算法在入侵检测系统中的应用[J]. 邢瑞康,李成海.  火力与指挥控制. 2019(02)
[8]基于卷积神经网络的网络攻击检测[J]. 秦丽娜.  兰州工业学院学报. 2019(01)
[9]改进的HS算法优化BP神经网络的入侵检测研究[J]. 丁红卫,万良,邓烜堃.  计算机工程与科学. 2019(01)
[10]基于特征选择的网络入侵检测模型[J]. 姜滨.  现代电子技术. 2019(01)



本文编号：3419010