基于NDNN的入侵检测系统

本文设计了一种新的深度神经网络(New Deep Neural Network,NDNN)模型,并将其应用到入侵检测系统中.NDNN以其突出的特征学习能力充分学习训练数据的特征,在输出层,NDNN通过Softmax分类器对网络攻击报文与正常报文数据进行识别和分类,检测异常报文与入侵攻击.实验通过对KDD Cup 99数据集进行仿真,实验结果表明本文设计的基于NDNN的入侵检测系统模型,进一步提高了入侵检测系统的精度,增强了网络的安全性.

关于非线性动态系统神经网络辨识模型的分析

由线性动态网络和非线性静态网络组成的特殊结构 ,分析这种辨识模型的特点及在实际操作中的应用 ,并通过仿真手段证明神经网络的有效性。