蚁群算法选择神经网络参数的网络入侵检测 |
| |
作者单位: | ;1.长春理工大学光电信息学院信息工程分院 |
| |
摘 要: | 为了解决网络入侵检测率低的难题,提出蚁群算法选择神经网络参数的网络入侵检测模型(ACO-NN)。首先收集网络入侵检测数据,然后采用神经网络对入侵检测数据进行学习,通过蚁群算法解决神经网络参数选择问题,最后采用标准入侵检测数据进行验证性测试,并与其他模型进行对比分析。结果表明,所提模型解决了神经网络参数优化难题,降低了网络入侵检测的错误率,改善了网络入侵检测的正确率,有助于保证网络的安全性。
|
关 键 词: | 网络安全 非法用户 入侵检测 蚁群算法 |
Network intrusion detection based on ant colony optimization algorithm selecting parameters of neural network |
| |
Abstract: | |
| |
Keywords: | |
|
|