[发明专利]一种基于CFA算法和BP神经网络的入侵检测方法有效
| 申请号： | 201710352845.0 | 申请日： | 2017-05-18 |
| 公开（公告）号： | CN107292166B | 公开（公告）日： | 2020-07-28 |
| 发明（设计）人： | 凌捷;黄盛;罗玉;谢锐;龚怡 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06F21/55 | 分类号： | G06F21/55;G06N3/08 |
| 代理公司： | 广东广信君达律师事务所 44329 | 代理人： | 杨晓松 |
| 地址： | 510062 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于CFA算法和BP神经网络的入侵检测方法，将所述BP神经网络的运行参数编码为CFA算法中的细胞个体，再将误差函数作为CFA算法的适应值函数，多次迭代后选择适应度最优的参数作为所述BP神经网络的初始权值和阈值进行训练，最后将训练好的所述BP神经网络应用于入侵检测的分类器中。本发明利用CFA算法的全局搜索和收敛速度快的特点，优化BP神经网络的初始运行参数，并据此构造一个可以应用于网络入侵检测的分类器。本方法通过改善BP神经网络因初始参数随机化导致的易陷入局部最小值和收敛速度慢的缺点，从而提高了BP神经网络在网络入侵检测中检测准确率。 | ||
| 搜索关键词： | 一种 基于 cfa 算法 bp 神经网络 入侵 检测 方法 | ||
【主权项】：
一种基于CFA算法和BP神经网络的入侵检测方法，其特征在于：将所述BP神经网络的运行参数编码为CFA算法中的细胞个体，再将全局误差函数作为CFA算法的适应值函数，多次迭代后选择适应度最优的参数作为所述BP神经网络的初始权值和阈值进行训练，最后将训练好的所述BP神经网络应用于入侵检测的分类器中。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东工业大学，未经广东工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710352845.0/，转载请声明来源钻瓜专利网。
