基于RBF和Elman混合神经网络的入侵检测系统的研究

摘要：

提出一种基于RBF和Elman混合神经网络模型的入侵检测系统,本模型具有记忆功能,可以有效地检测离散而又相联系的攻击行为,RBF网络是一个实时的模式分类器,而Elman网络实现了对事件的记忆能力,基于此混合模型的入侵检测系统使用DARPA数据集进行测试评估,使用ROC曲线直观的显示测试的结果,实验证明基于此混合模型的入侵检测系统可以有效地提高检测率,降低误报率和漏报率.

关键词： 入侵检测系统 异常检测 误用检测 混合神经网络 攻击行为 模式分类器

作者: 于延 王建华 张军

作者单位: 哈尔滨师范大学,计算机科学与信息工程学院,黑龙江,哈尔滨,150025

会议类型: 国内会议

会议名称: 2009年全国开放式分布与并行计算学术年会

会议地点: 乌鲁木齐

会议语种:中文

页码: 155-157,162

在线出版日期: 2009-09-01（万方平台首次上网日期，不代表论文的发表时间）