基于自組織特征映射的入侵檢測算法研究.pdf

1、入侵檢測系統(tǒng)作為當前網(wǎng)絡(luò)安全體系框架中的重要組成部分，其主要目標就是對正常行為和入侵行為進行區(qū)分。將神經(jīng)網(wǎng)絡(luò)應(yīng)用于入侵檢測在解決傳統(tǒng)的基于規(guī)則或模式的專家系統(tǒng)所面對的問題時，也帶來了入侵檢測系統(tǒng)的誤檢率和漏檢率都較高的問題，同時，基于神經(jīng)網(wǎng)絡(luò)的入侵檢測系統(tǒng)有學習過程慢，網(wǎng)絡(luò)的計算量大的問題。這些問題跟輸入到神經(jīng)網(wǎng)絡(luò)中的特征數(shù)據(jù)有關(guān)系。
　　 在對神經(jīng)網(wǎng)絡(luò)的基本特性和基本算法的研究基礎(chǔ)上，發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)維數(shù)增大，必然會帶來

2、神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)的膨脹，也會帶來網(wǎng)絡(luò)的計算量增大。同時，在對這個模式進行識別時，這些輸入數(shù)據(jù)所起的作用并不是一樣的，有的特征對輸出結(jié)果影響大，有的相對就較小，有的甚至無影響。
　　 根據(jù)自組織特征映射神經(jīng)網(wǎng)絡(luò)的學習算法，導(dǎo)出該網(wǎng)絡(luò)的一個特點：相似模式激活的神經(jīng)元的物理位置鄰近，并對其進行了證明。對于某個模式，競爭層神經(jīng)元的競爭力以激活神經(jīng)元為中心，在某個范圍內(nèi)，逐漸減小。輸入模式的類別采用激活神經(jīng)元的一個特定區(qū)域來表征。