Con el rápido desarrollo de la tecnología de Internet, los ataques a las redes se han vuelto más frecuentes y complejos, y la detección de intrusiones también ha desempeñado un papel cada vez más importante en la seguridad de las redes. La detección de intrusiones es en tiempo real y proactiva, y es una tecnología indispensable en medio de la tendencia diversificada de los problemas de seguridad en redes. En términos de seguridad de redes, las redes neuronales tienen las características de autoaprendizaje, autoadaptación y computación en paralelo, que son muy importantes en la detección de intrusiones. Este documento combina la red neuronal de retropropagación (BPNN) y la colonia artificial de abejas de élite (ECABC) para proponer un nuevo ECABC-BPNN, que actualiza y optimiza la configuración de los pesos y umbrales tradicionales de BPNN. Luego, se aplica ECABC-BPNN a la detección de intrusiones en redes. Se utilizan muestras de datos de ataques de KDD CUP 99 y de tuberías de agua para
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Análisis de Modelado y Simulación de la Dinámica del Factor de Impacto de Revistas Basado en Reglas de Envío y Citas.
Artículo:
Un algoritmo de selección de características ponderadas basado en incrustaciones para clasificar documentos web.
Artículo:
Clasificación del tráfico de Internet de alto rendimiento mediante un modelo de Markov y la divergencia de Kullback-Leibler
Artículo:
Enfoque fiable de detección de intrusiones en la red mediante árbol de decisión con calidad de datos mejorada
Artículo:
Presentación de un Enfoque de Enrutamiento Confiable en la Atención Médica de IoT Utilizando el Enfoque Multiobjetivo Basado en Multiagentes.