自组织增量神经网络IDS研究

摘要：

理想的网络入侵检测系统（IDS）是无监督学习的、在线学习的。现有的满足这两个标准的方法训练速度较慢，无法保证入侵检测系统所需要的低丢包率。为了提高训练速度，提出一种基于改进的自组织增量神经网络（improved SOINN）的网络异常检测方法，用于在线地、无监督地训练网络数据分类器；并提出使用三种数据精简（Data Reduction）的方法，包括随机子集选取，k-means聚类和主成分分析的方法，来进一步加速改进的SOINN的训练。实验结果表明，提出的方法在保持较高检测率的前提下，减少了训练时间。

关键词：异常检测、在线聚类、数据精简、自组织增量神经网络、最近邻分类器

分类号：TP393(计算技术、计算机技术)

在线出版日期：2014-01-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：88-91,123