[发明专利]一种基于多级模糊神经网络的入侵检测方法

摘要

一种基于多级模糊神经网络的入侵检测方法，包括网络数据预处理，超盒的创建和调整，重叠区域的处理和分类结果展示。本发明以改进的模糊最小‑最大神经网络算法为基础，以国际标准数据集KDD CUP99网络连接数据集为例，实验选用2007年给出的多用于对比和验证算法的性能的corrected KDD CUP99数据集。在实验前先对实验数据进行预处理，根据预处理后的网络连接数据构建超盒并调整，对重叠区域进行处理，最后实现对测试网络连接数据的分类，从而判断出当前网络连接是否为攻击连接以及具体攻击类型。基于多级模糊神经网络的入侵检测方法大大提高了网络连接分类的速度和分类正确率，一定程度上改善了传统入侵检测系统分类慢，误报率高的缺陷。

主权项

1.一种基于多级模糊神经网络的入侵检测方法，包括以下步骤：第1步、对国际标准数据集corrected KDD CUP99进行数值化和归一化处理，并将预处理后的数据集分成训练集和测试集两部分数据；第2步、采用改进的模糊最小‑最大神经网络算法对训练集中的网络连接数据进行训练，构建和调整超盒，并对重叠区域进行处理，从而形成多级模糊神经网络；所述改进的模糊最小‑最大神经网络算法称为多级模糊神经网络算法；第3步、根据测试集中每条网络连接数据所在的区域和位置选择最佳子网，该子网所对应的类别即为相应的网络连接数据的最终分类结果；第4步、保存第3步中分类结果，并将上述分类结果展示出来。