基于模糊神经Petri网的网络入侵检测方法

摘要

针对传统的入侵检测方法存在检测速度慢、不易收敛、检测准确率低等问题，提出了一种新的适用于网络入侵检测的模糊神经Petri网（简称为FNPN）。文中首先给出了模糊神经Petri网的定义及其引发规则，然后给出了一种学习算法。该FNPN结合了模糊Petri网和神经网络各自的优点，既可以表示和处理模糊产生式规则的知识库系统，又具有学习能力，可通过对样本数据学习来调整模型中的参数以获得系统内部的等效结构。实验证明，该方法具有更高的识别精度和更高的学习速率。