基于人工神經(jīng)網(wǎng)絡(luò)的入侵防御模型的研究.pdf

1、目前大多數(shù)入侵防御系統(tǒng)都存在檢測率較低、誤報率較高、整體性能較低的問題。針對這些問題，給出了基于多步校正AdaBoost神經(jīng)網(wǎng)絡(luò)算法，并將其應(yīng)用于入侵防御系統(tǒng)中，以提高該系統(tǒng)檢測的整體性能。
　　 在深入分析入侵防御系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)的相關(guān)理論、技術(shù)和方法的基礎(chǔ)上，基于智能互補的觀點，給出了基于多步校正AdaBoost神經(jīng)網(wǎng)絡(luò)算法，將該算法應(yīng)用于入侵防御，建立了一個基于概率神經(jīng)網(wǎng)絡(luò)的入侵防御模型。為驗證該模型，構(gòu)建了MATLAB

2、仿真實驗平臺，采用經(jīng)過數(shù)據(jù)預(yù)處理的KDD’99數(shù)據(jù)源，分別對基于多步校正AdaBoost算法的概率神經(jīng)網(wǎng)絡(luò)、BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)進行訓(xùn)練，并將訓(xùn)練好的網(wǎng)絡(luò)應(yīng)用到該模型中并進行了入侵檢測仿真實驗。實驗結(jié)果表明，基于多步校正的AdaBoost算法提高了概率神經(jīng)網(wǎng)絡(luò)的分類能力和模型的檢測效率，達到檢測率96.54％和誤報率1.61％的效果，性能優(yōu)于其他兩種神經(jīng)網(wǎng)絡(luò)。
　　 將基于多步校正AdaBoost算法的概率神經(jīng)網(wǎng)絡(luò)應(yīng)用于入侵防御