科创中国

基于AdaBoost的网络入侵智能检测

原文链接：万方

• 作者：

  周国雄,沈学杰,李琳,贺超英

• 摘要：

  网络环境中,系统受到多种入侵行为威胁,具有变化快、种类多、随机性强的特点,提出一种基于AdaBoost的网络入侵智能检测算法,利用神经网络建立入侵检测学习器,采用AdaBoost集成学习方法对基学习器迭代训练,生成最终的入侵检测模型,仿真实验表明,该方法相对传统的BP神经网络算法具有较大的优势,降低了随机样本对模型的影响,增加了神经网络的泛化能力,使最终的入侵检测模型更加贴近真实的网络入侵样本,减小了小样本集导致的模型精度大幅下降的问题,对识别、检测各类入侵行为,对维护网络安全,具有十分重要的意义.

• 关键词：

  网络集成学习 AdaBoost BP神经网络 入侵检测

• 作者单位：

  中南林业科技大学计算机与信息工程学院

• 基金项目：

  湖南省科技计划资助项目(2014FJ3003)%湖南省教育厅一般项目(12C0436)

• 来源期刊：

  系统仿真学报

• 年，卷(期)：

  2014007