摘要
为防范局域网面临的DoS(denial of service)拒绝服务攻击、SQL(structured query language)代码注入攻击、恶意软件攻击、MIMT中间人攻击、DNS欺诈等入侵威胁,提出基于径向基函数(radial basis function)前馈神经网络算法,在输入层利用径向基神经元对被测入侵数据集作出异常样本特征检测、分类概率计算,基于竞争神经元作出同一类样本的概率加权累计,同时引入蚁群(ant colony optimization)算法对RBF深度神经网络算法的异常数据寻优能力作出优化.实验结果表明,基于改进ACO-RBF神经网络模型的入侵攻击检测方案,得到的异常数据包流量检测精度为 98.04%、误报率为5.36%,相比LSTM神经网络算法有着更为良好的网络入侵检测效果.
维普
万方数据