基于可变网络结构自组织映射的入侵检测模型

来源：计算机工程与应用杂志2020年第12期北京时间：

作者：吴德鹏，柳毅

单位：广东工业大学 计算机学院，广州 510006

摘要：针对网络入侵检测在数据不均衡下检测性能较差的问题，提出了一种对比主成分分析（cPCA）结合可改变网络结构的自组织映射（AMSOM）的入侵检测模型。通过把少数类设置为背景数据，cPCA在降维的同时提高模型对少数类攻击的识别能力。AMSOM在输出层构建一个更加灵活的动态神经元网络，保持两个空间的对应关系，解决了SOM在训练过程中产生畸形的问题，提高输出神经元的聚类结果识别率。使用NSL-KDD数据集，实验结果表明提出的模型对少数的网络攻击表现出良好的性能，具有更高的准确率、召回率和[F1]值。

关键词：网络安全,入侵检测,神经网络,自组织映射,NSL-KDD数据集