基于BP神经网络和特征选择的入侵检测模型

doi:10.3778/j.issn.1002-8331.2008.30.035

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (30): 114-117.DOI: 10.3778/j.issn.1002-8331.2008.30.035

基于BP神经网络和特征选择的入侵检测模型

吴峻¹,李洋²

1.湘潭大学，湖南湘潭 411100
2.中国科学院计算技术研究所，北京 100080

收稿日期:2007-11-28 修回日期:2008-03-18 出版日期:2008-10-21 发布日期:2008-10-21
通讯作者: 吴峻

Intrusion detection model based on BP neural network and feature selection

WU Jun¹,LI Yang²

1.Xiangtan University，Xiangtan，Hunan 411100，China
2.Institute of Computing Technology，Chinese Academy of Sciences，Beijing 100080，China

Received:2007-11-28 Revised:2008-03-18 Online:2008-10-21 Published:2008-10-21
Contact: WU Jun

摘要/Abstract

摘要： 提出了一种基于后向传播神经网络和特征选择的入侵检测模型。通过使用该模型对经过特征提取后的攻击数据的训练学习，可以有效地识别各种入侵。在经典的KDD 1999数据集上的测试说明：该模型与传统的入侵检测模型相比，能够轻便、高效地对攻击模式进行训练学习，从而正确有效地检测网络攻击。

关键词: 网络安全, 入侵检测, 神经网络, 特征提取

Abstract: This paper proposes a kind of intrusion detection model based on Back Propagation（BP） neural network and feature selection mechanism.It can effectively detect several types of attacks after the process of feature selection and attack feature training.The experiments on classic KDD 1999 dataset demonstrate the model is accurate and effective.

Key words: network security, intrusion detection, neural network, feature selection

吴峻¹,李洋². 基于BP神经网络和特征选择的入侵检测模型[J]. 计算机工程与应用, 2008, 44(30): 114-117.

WU Jun¹,LI Yang². Intrusion detection model based on BP neural network and feature selection[J]. Computer Engineering and Applications, 2008, 44(30): 114-117.

[1]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[4]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[5]	王林，柴江云. 深度神经网络在多场景车辆属性识别中的研究[J]. 计算机工程与应用, 2021, 57(9): 162-167.
[6]	赵志焱，杨华，胡志伟，宇海萍. 基于TACNN的玉露香梨叶虫害识别[J]. 计算机工程与应用, 2021, 57(9): 176-181.
[7]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[8]	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别[J]. 计算机工程与应用, 2021, 57(9): 207-211.
[9]	麻哲旭，杨峰，乔旭. 铁路路基病害智能检测方法[J]. 计算机工程与应用, 2021, 57(9): 272-278.
[10]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[11]	蒋斌，钟瑞，张秋闻，张焕龙. 采用深度学习方法的非正面表情识别综述[J]. 计算机工程与应用, 2021, 57(8): 48-61.
[12]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[13]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[14]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[15]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.

基于BP神经网络和特征选择的入侵检测模型

Intrusion detection model based on BP neural network and feature selection

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics