摘要
为了有效地提高入侵检测系统的检测率并降低误报率,提出采用属性约简方法对高维入侵检测数据进行特征选择,剔除无关的属性输入来提高检测效果,将混沌免疫遗传算法引入神经网络学习过程用以进行入侵检测,与传统BP神经网络检测结果进行比较,实验结果表明,将该方法用于入侵检测是切实可行的。
In order to effectively improve the detection rate of intrusion detection system and reduce the false alarm rate, the method of attribute reduction of high-dimensional data in intrusion detection feature selection is proposed. Attribute input irrelevant is weeded out to improve the detection effect. The chaos immune genetic algorithm is used in neural net-work learning process for intrusion detection. Compared with the traditional BP neural network detection results, the experi-mental results show that the method used in intrusion detection is feasible.
出处
《计算机工程与应用》
CSCD
2014年第21期96-99,共4页
Computer Engineering and Applications
基金
陕西省自然科学基础研究计划项目(No.2011JM1010)
陕西省教育厅专项科研计划项目(No.14JK1256)
关键词
混沌
免疫网络
遗传算法
入侵检测
chaos
immune network
Genetic Algorithm（GA）
intrusion detection
作者简介
贾花萍（1979-），女，讲师，研究方向：计算机网络，神经网络.
李尧龙（1970-），男，博士，教授，研究方向：计算机算法.
史晓影（1977-），女，副教授，研究方向：计算机算法。
