现代电子技术
現代電子技術
현대전자기술
Modern Electronics Technique
2015年
23期
76-79
,共4页
机器学习%ANFIS%BP神经网络%网络异常流量检测
機器學習%ANFIS%BP神經網絡%網絡異常流量檢測
궤기학습%ANFIS%BP신경망락%망락이상류량검측
machine learning%ANFIS%BP neural network%network anomaly traffic detection
研究一种基于机器学习的网络异常流量检测方法。使用改进型ANFIS算法作为建立的网络异常流量检测方法的核心算法。由于传统的神经网络算法使用的梯度下降算法在实际应用时，存在易陷入局部极小值，训练效率低下等问题，因此研究的改进型ANFIS算法使用附加动量算法修正模型参数，使系统能够越过误差曲面的局部最小值。最后使用KDD CUP99数据库以及LBNL实验室测试的数据对改进型ANFIS算法和BP神经网络算法的检测方法进行性能测试。结果表明，使用改进型ANFIS算法检测系统的训练效率以及检测准确率均优于使用BP神经网络算法建立的模型。
研究一種基于機器學習的網絡異常流量檢測方法。使用改進型ANFIS算法作為建立的網絡異常流量檢測方法的覈心算法。由于傳統的神經網絡算法使用的梯度下降算法在實際應用時，存在易陷入跼部極小值，訓練效率低下等問題，因此研究的改進型ANFIS算法使用附加動量算法脩正模型參數，使繫統能夠越過誤差麯麵的跼部最小值。最後使用KDD CUP99數據庫以及LBNL實驗室測試的數據對改進型ANFIS算法和BP神經網絡算法的檢測方法進行性能測試。結果錶明，使用改進型ANFIS算法檢測繫統的訓練效率以及檢測準確率均優于使用BP神經網絡算法建立的模型。
연구일충기우궤기학습적망락이상류량검측방법。사용개진형ANFIS산법작위건립적망락이상류량검측방법적핵심산법。유우전통적신경망락산법사용적제도하강산법재실제응용시，존재역함입국부겁소치，훈련효솔저하등문제，인차연구적개진형ANFIS산법사용부가동량산법수정모형삼수，사계통능구월과오차곡면적국부최소치。최후사용KDD CUP99수거고이급LBNL실험실측시적수거대개진형ANFIS산법화BP신경망락산법적검측방법진행성능측시。결과표명，사용개진형ANFIS산법검측계통적훈련효솔이급검측준학솔균우우사용BP신경망락산법건립적모형。
A network anomaly traffic detection method based on machine learning is studied,in which the improved ANFIS algorithm is taken as the core algorithm. Since the gradient descent algorithm adopted by traditional neural network algorithm has the defects of easy to fall into local minimum and low training efficiency in practical application,the additional momentum algorithm is adopted by the improved ANFIS algorithm to modify the model parameters,which makes the system can cross the local minimum of the error surface. The performance of the test methods for the improved ANFIS algorithm and BP neural network al?gorithm is tested by using KDD CUP99 database and the data tested by LBNL laboratory. The test results show that the training efficiency and test precision of the test system with the improved ANFIS algorithm are better than that of the model established by BP neural network.
