本发明专利技术属于网络入侵检测技术领域，尤其为一种基于改进黑猩猩优化算法的BP神经网络入侵检测方法，包括以下步骤：S1：构建BP神经网络，确定BP神经网络的输入层、隐含层、输出层的节点数。本发明专利技术通过将BP神经网络的原始阈值和原始权值作为改进后的黑猩猩优化算法的初始种群位置进行寻优，得到BP神经网络的最优初始阈值和最优初始权值，利用训练样本集合对包含最优初始阈值和最优初始权值的BP神经网络进行训练，通过准确率和召回率对BP神经网络进行评估，重复迭代直至召回率大于设定阈值D1获得网络入侵检测模型等过程，可以提高网络入侵检测准确率，降低网络入侵检测模型的漏报率和误报率。
【技术实现步骤摘要】
本专利技术涉及网络入侵检测，具体为一种基于改进黑猩猩优化算法的bp神经网络入侵检测方法。
技术介绍
1、针对日益严峻的网络安全问题，单纯依赖网络防火墙和用户认证系统等被动防御技术已无法完全解决网络与信息的安全挑战。入侵检测技术作为一种主动防御手段，能够持续监控网络中的计算机和网络行为，不仅能监控来自网络外部的恶意行为，还能检测网络系统内部的未经授权和恶意行为。通过特定的技术手段，入侵检测技术收集网络日志，监听网络通信，并对这些日志和数据包进行分析，从而检测网络中是否存在可能破坏网络通信的恶意行为。
2、网络入侵检测的挑战主要是检测速度慢、自主学习能力较差、误报率和漏报率高这三种情况，提高检测速度和准确性是重点研究问题。神经网络算法具有自适应、自组织、自学习、泛化能力强以及能够进行大规模计算等优点，因此适合当前复杂多变的入侵检测环境，bp神经网络较传统入侵检测能够取得较好的效果，但bp神经网络存在初始值随机性较大以及易陷入局部最优的缺点，因此我们提出了一种基于改进黑猩猩优化算法的bp神经网络入侵检测方法来解决上述问题。
...
【技术保护点】
1.一种基于改进黑猩猩优化算法的BP神经网络入侵检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于改进黑猩猩优化算法的BP神经网络入侵检测方法，其特征在于：所述S1中的BP神经网络的输入层节点数设定为45；BP神经网络的隐含层的节点数设定为100；BP神经网络的输出层的节点数设定为1。
3.根据权利要求2的一种基于改进黑猩猩优化算法的BP神经网络入侵检测方法，其特征在于：所述S2中的BP神经网络的原始阈值和原始权值作为黑猩猩优化算法的初始种群位置进行寻优，得到BP神经网络的最优初始阈值和最优初始权值的方法包括：
4.根据权利要求3的...
【技术特征摘要】
1.一种基于改进黑猩猩优化算法的bp神经网络入侵检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于改进黑猩猩优化算法的bp神经网络入侵检测方法，其特征在于：所述s1中的bp神经网络的输入层节点数设定为45；bp神经网络的隐含层的节点数设定为100；bp神经网络的输出层的节点数设定为1。
3.根据权利要求2的一种基于改进黑猩猩优化算法的bp神经网络入侵检测方法，其特征在于：所述s2中的bp神经网络的原始阈值和原始权...
【专利技术属性】
技术研发人员：王义君，陈佳琪，曲梓滔，李嘉欣，孟令烽，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。