作　　者： ; ;

机构地区： 电子科技大学计算机科学与工程学院

出　　处： 《计算机应用研究》 2005年第10期137-138,147,共3页

摘　　要： 提出了结合广义FIR滤波器和传统SOM网络的FSOM模型,以增强SOM对连续型网络攻击的识别能力,给出了相应的学习算法。并采用DARPA的1999年KDD入侵检测评估数据库作为网络的训练和测试数据,经仿真得到的检测率为93.1%,误报率为7.3%,表明该方法用于入侵检测有较好的效果。 For the purpose of enhancing SOM＇s ability of identifying consecutive attacks, we present a FSOM model combing FIR filter and SOM, and give corresponding learning algorithm. To train the FSOM and test it＇ s performance, the KDD benchmark dataset is employed. At last, the result is capable of detection rates of 93.1% , false positive rates of 7. 3%, and shows the approach we used having a good performance in intrusion detection filed.

关 键 词： 入侵检测 神经网络 滤波器 学习算法

领　　域： [自动化与计算机技术] [自动化与计算机技术]