一种改进的基于TS-BPNN的网络入侵检测方法

摘要

cqvip:为了提高现有网络入侵检测方法的检测率,提出了一种基于禁忌算法和BP神经网络的网络入侵检测算法。该算法首先建立基于BP神经网络的入侵检测模型,根据样本数据的标签与网络实际输出之间的差异,通过反向传播算法调整网络参数。为了防止网络结构参数陷入局部最优值,采用禁忌算法优化对网络的参数进一步优化,将禁忌算法获得最优解并用于确定神经网络的最终结构。最终,将需要检测的数据输入神经网络就可以得到入侵检测结果。在MATLAB环境下进行仿真实验,将所提的基于禁忌算法和BP神经网络的模型用于对网络进行入侵检测,并与经典的BP网络、AdaBoost和Elman网络的方法进行比较,结果表明本文所提的方法具有最高的检测率。