基于PSO-RBF神經網絡的入侵檢測系統(tǒng)的研究與實現.pdf_第1頁
已閱讀1頁，還剩57頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、隨著網絡的普及，人們在日常生活和工作環(huán)境中對計算機網絡越來越依賴，網絡的安全性也越來越引起人們的關注。當前網絡安全防護技術大多是被動的防御技術。而作為主動且動態(tài)的網絡安全防御技術——入侵檢測技術，是網絡安全技術發(fā)展的一個新方向，是被動防御技術的必要補充。 本文闡述了一種入侵檢測的新策略，通過分析現有的入侵檢測技術和通用的入侵檢測框架，發(fā)現基于人工神經網絡的入侵檢測是一種有效的入侵檢測方法。因此在本文中，采用徑向基函數(RBF)神

2、經網絡技術對入侵行為進行檢測，他具有最佳逼近能力、網絡結構簡單、學習速度快的優(yōu)點，但RBF神經網絡的參數設置是基于參數空間局部信息的，不是全局最優(yōu)值，這必將降低入侵檢測效率。本文分析了具有全局尋優(yōu)的功能PSO算法，該算法能夠改進傳統(tǒng)的RBF神經網絡學習策略，可以彌補RBF神經網絡參數設置的不足。在此基礎之上，研究了基于PSO-RBF神經網絡的入侵檢測系統(tǒng)所需要解決的研究層面的問題，設計了一個原型系統(tǒng)。利用這個原型系統(tǒng)，從層次、模塊兩個維

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論