基于拉普拉斯降維和改進(jìn)PSO-BP結(jié)合的入侵檢測模型.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展以及人們對網(wǎng)絡(luò)安全等級要求的提升，入侵檢測技術(shù)及其應(yīng)用則越發(fā)普及化。但鑒于目前網(wǎng)絡(luò)攻擊手段復(fù)雜多變，傳統(tǒng)的入侵檢測技術(shù)無法達(dá)到預(yù)期效果，所以入侵檢測技術(shù)開始向人工智能和分布式等新型方向發(fā)展，而其中智能入侵檢測具有很好發(fā)展?jié)摿脱芯績r值。
　　本文在深入研究了現(xiàn)有的入侵檢測技術(shù)、人工智能范疇的機(jī)器學(xué)習(xí)模型人工神經(jīng)網(wǎng)絡(luò)、拉普拉斯特征映射算法、粒子群優(yōu)化算法的基礎(chǔ)上，提出了一種將拉普拉斯降維(LDR)和改進(jìn)粒子群

2、優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)(IPSO-BP)相結(jié)合的入侵檢測模型，主要研究工作如下所示：
　　（1）對粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型及算法展開了深入的研究，并通過大量參數(shù)選擇實(shí)驗(yàn)得到適用于KDD Cup99數(shù)據(jù)集的優(yōu)化模型。
　?。?）引入拉普拉斯特征映射算法用于數(shù)據(jù)降維，再把降維后的數(shù)據(jù)用于IPSO-BP進(jìn)行仿真測試實(shí)驗(yàn)。
　　（3）與IGA-TS-BP和H-C4.5-NB入侵檢測模型在相同環(huán)境下進(jìn)行了詳細(xì)的性能參數(shù)對比實(shí)驗(yàn)，還