计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2010年
7期
217-219,224
,共4页
入侵检测%集成学习%BP神经网络%支持向量机
入侵檢測%集成學習%BP神經網絡%支持嚮量機
입침검측%집성학습%BP신경망락%지지향량궤
为解决传统入侵检测中存在的检测效率低、对未知的入侵行为检测困难等问题,提出了将改进的BP神经网络算法和支持向量机集成的入侵检测模型.实验表明,集成改进的BP神经网络和支持向量机与检出率最好的单个神经网络、单个SVM相比检测率有所提高,同时提高了对未知入侵行为的识别.
為解決傳統入侵檢測中存在的檢測效率低、對未知的入侵行為檢測睏難等問題,提齣瞭將改進的BP神經網絡算法和支持嚮量機集成的入侵檢測模型.實驗錶明,集成改進的BP神經網絡和支持嚮量機與檢齣率最好的單箇神經網絡、單箇SVM相比檢測率有所提高,同時提高瞭對未知入侵行為的識彆.
위해결전통입침검측중존재적검측효솔저、대미지적입침행위검측곤난등문제,제출료장개진적BP신경망락산법화지지향량궤집성적입침검측모형.실험표명,집성개진적BP신경망락화지지향량궤여검출솔최호적단개신경망락、단개SVM상비검측솔유소제고,동시제고료대미지입침행위적식별.
