计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
14期
78-81
,共4页
网络入侵%特征选择%遗传算法%径向基函数(RBF)神经网络
網絡入侵%特徵選擇%遺傳算法%徑嚮基函數(RBF)神經網絡
망락입침%특정선택%유전산법%경향기함수(RBF)신경망락
network intrusion%feature selection%genetic algorithm%Radial Basis Function(RBF)neural network
为了提高网络入侵检测正确率，提出一种遗传优化神经网络的网络入侵特征选择和检测算法。该方法先将网络状态特征和RBF神经网络参数作为遗传算法的个体，把检测正确率作为适应度函数；然后利用遗传算法的选择、交叉和变异等操作对网络状态特征和RBF神经网络参数进行优化，最后利用KDD 1999数据集对算法性能进行测试。测试结果表明：遗传优化神经网络能够快速获得最优网络状态特征和分类器参数，同时提高了网络入侵检测正确率。
為瞭提高網絡入侵檢測正確率，提齣一種遺傳優化神經網絡的網絡入侵特徵選擇和檢測算法。該方法先將網絡狀態特徵和RBF神經網絡參數作為遺傳算法的箇體，把檢測正確率作為適應度函數；然後利用遺傳算法的選擇、交扠和變異等操作對網絡狀態特徵和RBF神經網絡參數進行優化，最後利用KDD 1999數據集對算法性能進行測試。測試結果錶明：遺傳優化神經網絡能夠快速穫得最優網絡狀態特徵和分類器參數，同時提高瞭網絡入侵檢測正確率。
위료제고망락입침검측정학솔，제출일충유전우화신경망락적망락입침특정선택화검측산법。해방법선장망락상태특정화RBF신경망락삼수작위유전산법적개체，파검측정학솔작위괄응도함수；연후이용유전산법적선택、교차화변이등조작대망락상태특정화RBF신경망락삼수진행우화，최후이용KDD 1999수거집대산법성능진행측시。측시결과표명：유전우화신경망락능구쾌속획득최우망락상태특정화분류기삼수，동시제고료망락입침검측정학솔。
To improve network intrusion detection rate, a network intrusion detection algorithm based on RBF neural net-work optimized by Genetic Algorithm(GA)is proposed in this paper. Firstly, the feature and RBFNN parameters are taken as genetic algorithm individuals while the network intrusion detection rate as the evaluation function, secondly, the opti-mal features and parameters are selected by selection, crossover and mutation, lastly, the algorithm performance is tested by KDD 1999 data. The results from performance analysis show that the proposed algorithm can select the optimal fea-tures and parameters quickly, and improves the network intrusion detection rate.
