基于粒子群算法优化CNN的入侵检测研究

摘要

针对在有大量威胁网络安全流量的环境下,传统入侵检测系统存在的检测精度和能力低等问题,提出了一种基于粒子群算法(Particle Swarm optimization,PSO)优化卷积神经网络(Convolutional Neural Networks,CNN)的入侵检测模型.利用卷积神经网络强大的特征提取能力结合粒子群优化算法的寻优能力,获得卷积神经网络的最优参数,再应用于卷积神经网络训练模型中.实验结果证明,提出的方法与CNN和BP神经网络相比,实验的精度、准确率、召回率和F1均有所提高,具有良好的分类效果.