基于可变网络结构自组织映射的入侵检测模型

摘要

针对网络入侵检测在数据不均衡下检测性能较差的问题,提出了一种对比主成分分析(cPCA)结合可改变网络结构的自组织映射(AMSOM)的入侵检测模型.通过把少数类设置为背景数据,cPCA在降维的同时提高模型对少数类攻击的识别能力.AMSOM在输出层构建一个更加灵活的动态神经元网络,保持两个空间的对应关系,解决了SOM在训练过程中产生畸形的问题,提高输出神经元的聚类结果识别率.使用NSL-KDD数据集,实验结果表明提出的模型对少数的网络攻击表现出良好的性能,具有更高的准确率、召回率和F1值.