《应用数学学报》
文章摘要:深度学习方法已成为网络入侵检测的重要手段,但现有深度学习模型无法挖掘出网络入侵数据特征值间隐藏的函数映射关系。对此,本文设计了Taylor神经网络模型(Taylor neural network, TNN)。利用Taylor公式对多项式函数的逼近能力与神经网络的优化能力对入侵数据特征间的关系进行挖掘与利用。首先,介绍Taylor神经网络的基本结构。为了将Taylor神经网络引入入侵检测领域,设计了Taylor神经网络层(Taylor neural network layer, TNL),并将其与传统深度神经网络结合构建Taylor神经网络模型。为优化Taylor公式的展开项数,引入人工蜂群算法,但传统的人工蜂群算法存在开采能力较差,易陷入“早熟”等问题,所以设计了一种基于高斯过程的人工蜂群算法。实验结果表明,基于Taylor神经网络的入侵检测算法在NSL-KDD和UNSW-NB15数据集上的准确率具有明显优势。
文章关键词:网络安全,入侵检测,Taylor公式,神经网络,人工蜂群算法,