人工鱼算法优化神经网络的网络入侵检测.docVIP

人工鱼算法优化神经网络的网络入侵检测 　　摘 要：为了提高入侵检测率，降低误检率，提出一种人工鱼算法优化神经网络的网络入侵检测模型。首先收集网络入侵数据并进行预处理，然后输入到神经网络进行学习，并采用人工鱼群算法对网络参数进行优化，最后采用KDD CUP 99数据集进行仿真实验。结果表明，本模型可以获得理想的网络入侵检测率和误检率。 　　关键词：入侵检测 神经网络 人工鱼群算法 模型参数 　　中图分类号：TP18 文献标识码：A 文章编号：1674-2117（2014）20-00-01 　　1 前言 　　21世纪是网络的时代，网络已进入人们的日常生活，成为人们通信和交流的工具，人们对于网络的依赖也越来越强。 　　针对网络入侵检测问题，国内外许多学者进行了深入研究，提出了许多有效的网络入侵检测模型。在网络入侵检测过程，网络入侵分类器设计是网络入侵检测的关键，当前网络入侵分类器主要有基于支持向量机、K最近邻算法、神经网络等进行设计。其中出回声状态神经网络（Echo State Network，ESN）是一种新型的网络，具有简单、易实现、泛化能力优异等优点，成为网络入侵检测中的主要研究方向。人工鱼群算法（Artificial Fish Swarm Algorithm，AFSA）是一种采用自下而上信息寻优模式的智能搜索算法，具有并行性、收敛速度快等优点，为回声状态神经网