论文部分内容阅读
为解决传统入侵检测模型所存在的检测效率低,对未知的入侵行为检测困难等问题,对集成学习进行了研究与探讨,提出一种采用遗传算法的集成神经网络入侵检测模型,阐述了模型的工作原理和各模块的主要功能。模型通过遗传算法寻找那些经过训练后差异较大的神经网络进行集成。实验表明,集成神经网络与检测率最好的单个神经网络相比检测率有所提高。同时,该模型采用机器学习方法,可使系统能动态地适应环境,不仅对已知的入侵具有较好的识别能力,而且能识别未知的入侵行为,从而实现入侵检测的智能化。