采用自适应GHA神经网络的分类器设计

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

采用自适应GHA神经网络的分类器设计

刘贵松, 王晓彬

文章导航 > 电子科技大学学报 > 2007 > 36(6): 1241-1244

刘贵松, 王晓彬. 采用自适应GHA神经网络的分类器设计[J]. 电子科技大学学报, 2007, 36(6): 1241-1244.

引用本文:

刘贵松, 王晓彬. 采用自适应GHA神经网络的分类器设计[J]. 电子科技大学学报, 2007, 36(6): 1241-1244.

LIU Gui-song, WANG Xiao-bin. Classifier Design Using Adaptive GHA Neural Networks[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(6): 1241-1244.

Citation:

LIU Gui-song, WANG Xiao-bin. Classifier Design Using Adaptive GHA Neural Networks[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(6): 1241-1244.

采用自适应GHA神经网络的分类器设计

1.
电子科技大学计算机科学与工程学院成都 610054

基金项目:

国家自然科学基金(60471055);教育部博士点基金(20040614017)

作者简介:
刘贵松(1973-),男,博士生,讲师,主要从事神经网络、数据挖掘、信息安全等方面的研究.

中图分类号: TP183

Classifier Design Using Adaptive GHA Neural Networks

1.
School of Computer Science and Engineering,University of Electronic Science and Technology of China Chengdu 610054

摘要: 介绍了一种自适应逼近数据实质维的GHA神经网络学习算法。基于主元子空间分解的思想,给出了基于该算法的分类器刻画方法,对其中的刻画参数给出了详细的界定。该分类器采用监督学习机制进行训练,可以自动学习输入的主元特征子空间维数。在入侵检测领域,利用KDD CUP 1999数据集对该方法进行了仿真。采用正常连接数据训练GHA异常检测分类器,利用拒绝服务攻击数据进行了误用检测训练。并将测试结果与其他入侵检测方法进行了比较。
- GHA算法 /
- 实质维 /
- 入侵检测 /
- 神经网络 /
- 主元分析
Abstract: An adaptive Generalized Hebbian Algorithm (GHA) is presented which can be used to approach the intrinsic dimension of an input data set. The classifier design based on adaptive GHA networks is given in detail and the determination method of the classifier parameters is also described. The classifier can be trained by using supervised manner. We applied this approach to the domain of intrusion detection. Some simulations are carried out for anomaly detection by using labeled normal type network connections, and the misuse detection are performed on specified type attacks of denial-of-service intrusions. All the training and testing datasets are based on the KDD CUP 1999 intrusion evaluation data set. Performance comparisons are also made with other recent published methods.
- generalized hebbian algorithm /
- intrinsic dimension /
- intrusion detection /
- neural network /
- principal component analysis

[1]	彭云峰, 何模雄, 隆克平. 入侵检测灰色空间模型及应用 . 电子科技大学学报, 2012, 41(3): 453-458. doi: 10.3969/j.issn.1001-0548.2012.03.025
[2]	谭骏, 陈兴蜀, 杜敏, 朱锴. 基于自适应BP神经网络的网络流量识别算法 . 电子科技大学学报, 2012, 41(4): 580-585. doi: 10.3969/j.issn.1001-0548.2012.04.020
[3]	蒋定德, 胡光岷, 倪海转. IP骨干网络流量矩阵估计算法研究 . 电子科技大学学报, 2010, 39(3): 420-424. doi: 10.3969/j.issn.1001-0548.2010.03.021
[4]	荣健, 乔文钊. 基于模糊神经系统的多传感器数据融合算法 . 电子科技大学学报, 2010, 39(3): 376-378,424.
[5]	武斌, 杨义先, 郑康锋. 入侵检测中基于序列模式的告警关联分析 . 电子科技大学学报, 2009, 38(3): 415-418. doi: 10.3969/j.issn.1001-0548.2009.03.023
[6]	陈文宇, 刘井波, 孙世新. 层次分析的神经网络集成方法 . 电子科技大学学报, 2008, 37(3): 432-435.
[7]	于泠, 陈波. 入侵数据特征并行选择算法 . 电子科技大学学报, 2008, 37(2): 266-269.
[8]	陈振国, 李冬艳. 运用核Fisher鉴别分析和MPM分类器的入侵检测 . 电子科技大学学报, 2007, 36(6): 1192-1194.
[9]	郑君杰, 肖军模, 刘志华, 王晓蕾, 王宏涛. 基于Honeypot技术的网络入侵检测系统 . 电子科技大学学报, 2007, 36(2): 257-259.
[10]	陈科, 许家珆, 程永新. 基于免疫算法和神经网络的新型抗体网络 . 电子科技大学学报, 2006, 35(5): 804-806,840.
[11]	程永新, 许家珆, 陈科. 一种新型入侵检测模型及其检测器生成算法 . 电子科技大学学报, 2006, 35(2): 235-238.
[12]	陈波, 于泠. 基于小波神经网络的服务器预警系统 . 电子科技大学学报, 2005, 34(3): 343-346.
[13]	陈波, 于泠, 肖军模. SA算法在基于模型推理入侵检测中的应用 . 电子科技大学学报, 2005, 34(1): 36-39.
[14]	王定成, 王毅, 钟守铭. 一类神经网络算法的渐近行为 . 电子科技大学学报, 2003, 32(2): 221-224.
[15]	黄羽, 黄迪明, 何险峰, 武明. 遗传算法在入侵检测中的应用 . 电子科技大学学报, 2003, 32(6): 679-682.
[16]	梁金明, 章毅. 基于回路神经网络的特征子空间估值算法 . 电子科技大学学报, 2002, 31(6): 612-618.
[17]	陈中柘. 神经网络定性分析 . 电子科技大学学报, 2002, 31(3): 250-254.
[18]	唐普英, 陈永倩, 黄顺吉. 一种基于Lagrange神经网络的多用户检测器 . 电子科技大学学报, 2001, 30(1): 9-12.
[19]	朱文莉. 一类具有时滞的神经网络的稳定性分析 . 电子科技大学学报, 2000, 29(5): 556-559.
[20]	唐普英, 杨春华, 黄顺吉. 一种基于优化神经网络的最佳多用户检测器 . 电子科技大学学报, 1999, 28(2): 116-119.

WeChat

点击查看大图

计量

文章访问数: 4505
HTML全文浏览量: 147
PDF下载量: 82
被引次数: 0

采用自适应GHA神经网络的分类器设计

1. 电子科技大学计算机科学与工程学院成都 610054

基金项目:

国家自然科学基金(60471055);教育部博士点基金(20040614017)

作者简介:
刘贵松(1973-),男,博士生,讲师,主要从事神经网络、数据挖掘、信息安全等方面的研究.

收稿日期: 2007-08-25
刊出日期: 2007-12-15

中图分类号: TP183

关键词:

摘要: 介绍了一种自适应逼近数据实质维的GHA神经网络学习算法。基于主元子空间分解的思想,给出了基于该算法的分类器刻画方法,对其中的刻画参数给出了详细的界定。该分类器采用监督学习机制进行训练,可以自动学习输入的主元特征子空间维数。在入侵检测领域,利用KDD CUP 1999数据集对该方法进行了仿真。采用正常连接数据训练GHA异常检测分类器,利用拒绝服务攻击数据进行了误用检测训练。并将测试结果与其他入侵检测方法进行了比较。

English Abstract

刘贵松, 王晓彬. 采用自适应GHA神经网络的分类器设计[J]. 电子科技大学学报, 2007, 36(6): 1241-1244.

引用本文:

刘贵松, 王晓彬. 采用自适应GHA神经网络的分类器设计[J]. 电子科技大学学报, 2007, 36(6): 1241-1244.

LIU Gui-song, WANG Xiao-bin. Classifier Design Using Adaptive GHA Neural Networks[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(6): 1241-1244.

Citation:

LIU Gui-song, WANG Xiao-bin. Classifier Design Using Adaptive GHA Neural Networks[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(6): 1241-1244.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发