基于神经网络集成的入侵检测系统

J4 ›› 2011, Vol. 33 ›› Issue (10): 60-63.

基于神经网络集成的入侵检测系统

徐〓敏,沈晓红,顾〓颀

（南通大学计算机科学与技术学院，江苏南通 226019）

收稿日期:2011-02-18 修回日期:2011-05-13 出版日期:2011-10-25 发布日期:2011-10-25

An Intrusion Detection System Based on Neural Network Ensembles

XU Min，SHEN Xiaohong，GU Qi

(School of Computer Science and Technology,Nantong University,Nantong 226019,China)

Received:2011-02-18 Revised:2011-05-13 Online:2011-10-25 Published:2011-10-25

摘要/Abstract

摘要：

目前，较为成熟的入侵检测系统普遍存在检测率偏低、对新的入侵不够敏感等问题，影响了系统的整体性能。在深入研究的基础上，本文提出了一种基于神经网络集成的入侵检测方法。该方法采用神经网络集成分类技术，在去除冗余数据的基础上对成员网络进行训练，并通过动态的方法确定成员网络的个数，最终通过神经网络对成员网络结果进行融合，以提高系统的整体性能。理论和实验表明，该方法能在保证成员网络差异性的同时提高入侵的检测率，具有较好的应用前景。

关键词: 神经网络集成, 数据筛选, 入侵检测

Abstract:

With the problems of the low detection rate and the insufficient sensitivity to the new intrusion，the current intrusion detection systems affect the functions of the entre system. Based on the very deep research, this paper proposes a new neural network ensembles method for intrusion detection. The method is used to train the individual networks on the basis of data reduction. Neural network techniques are used to combine the different classification results. Theory and experiment show that the model is effective.

Key words: neural network ensembles;attribute selection;intrusion detection

徐〓敏,沈晓红,顾〓颀. 基于神经网络集成的入侵检测系统[J]. J4, 2011, 33(10): 60-63.

XU Min，SHEN Xiaohong，GU Qi. An Intrusion Detection System Based on Neural Network Ensembles[J]. J4, 2011, 33(10): 60-63.

[1]	刘沛, 刘昌华, 林俏伶. 基于优化特征堆叠与集成学习的车联网入侵检测模型[J]. 计算机工程与科学, 2024, 46(12): 2186-2195.
[2]	谭郁松, 王伟, 蹇松雷, 易超雄. 基于异常保持的弱监督学习网络入侵检测模型[J]. 计算机工程与科学, 2024, 46(05): 801-809.
[3]	陈俊彦, 卢贤涛, 黄雪锋, 卢小烨, 廖岑卉珊. 基于Double-Bagging特征降维异质集成入侵检测[J]. 计算机工程与科学, 2023, 45(06): 1011-1019.
[4]	刘云, 郑文凤, 张轶. 代价约束算法对入侵检测特征提取的优化研究[J]. 计算机工程与科学, 2022, 44(03): 447-453.
[5]	朱世松，巴梦龙，王辉，申自浩. 基于NBSR模型的入侵检测技术[J]. 计算机工程与科学, 2020, 42(03): 427-433.
[6]	丁红卫，万良，邓烜堃. 改进的HS算法优化BP神经网络的入侵检测研究[J]. 计算机工程与科学, 2019, 41(01): 65-72.
[7]	王琳琳1，刘敬浩1，付晓梅2. 基于极限学习机与改进K-means算法的入侵检测方法[J]. 计算机工程与科学, 2018, 40(08): 1398-1404.
[8]	张凤斌，范学林，席亮. 免疫入侵检测多目标优化克隆选择算法研究[J]. 计算机工程与科学, 2018, 40(02): 261-267.
[9]	杨红波1,郑剑2. 基于改进聚类分析的神经网络集成方法应用研究[J]. J4, 2015, 37(05): 974-978.
[10]	唐湘滟, 程杰仁, 殷建平, 龚德良. 基于NP模式的报文检测方法[J]. 计算机工程与科学, 2014, 36(11): 2128-2131.
[11]	杨宏宇,赵明瑞,谢丽霞. 基于自适应进化神经网络算法的入侵检测[J]. J4, 2014, 36(08): 1469-1475.
[12]	马占飞1，尹传卓2. 基于ACE和SSL的Firewall与IDS联动系统研究[J]. J4, 2014, 36(08): 1486-1492.
[13]	朱文杰1,2，王强2，翟献军1. 基于信息熵的SVM入侵检测技术[J]. J4, 2013, 35(6): 47-51.
[14]	王海龙1,2，唐勇2，龚正虎2. 僵尸网络命令与控制信道的特征提取模型研究[J]. J4, 2013, 35(2): 62-67.
[15]	翁广安1，余胜生2，周敬利2. 改进的字节频度负载异常入侵检测方法[J]. J4, 2012, 34(7): 24-28.