基于概率神经网络的增量式入侵检测方法

摘要

为解决现有的入侵检测算法自适应性较差且面对稀疏攻击检出率较低的问题,提出了一种基于概率神经网络的增量式入侵检测方法。方法将可能性理论引入自组织增量神经网络(SOINN),定义可能性隶属度作为样本类别的判别标准,进而得到一种无监督增量式竞争学习网络P-SOINN,其输出可以表征数据分布的原型向量。将所得原型向量作为PNN网络的样本层来构建PS-PNN网络用于入侵检测。仿真结果表明,所提PS-PNN网络在稀疏攻击类型上的检出率明显优于对比算法的同时,测试集总体的准确率和召回率也有显著提升。