夏淑华

湖南司法警官职业学院管理系 湖南 410131

0 引言

随着计算机技术和网络技术的迅速发展，黑客工具泛滥，大量的公司、企业和个人电脑遭到不同程度的入侵和破坏，给个人和企业财产带来了严重损失。入侵检测作为一种主动防御技术，已经成为网络安全防卫的重要组成部分。入侵检测通过对计算机网络或计算机系统中的若干关键点收集信息并对其进行分析，从中发现网络或系统中是否有违反安全策略的行为和被攻击的迹象。随着智能计算技术的日趋成熟，人们利用BP神经网络、遗传算法及各种改进算法用于入侵检测系统的研究，开拓了一个新的入侵检测发展方向。

1 基于模糊k均值和神经网络的入侵检测算法

图1 基于模糊k均值和神经网络的入侵检测算法流程

BP神经网络具有较强的自适应学习能力、非线性映射能力和泛化能力，但是BP神经网络作为一种局部搜索的优化方法，也存在着收敛速度慢和容易陷入局部极小的问题。利用 K-means对样本数据聚类并提取训练集和测试集，能够克服样本不均和神经元个数过多的问题，尽可能满足类中的数据近似度高，各类间数据近似度低，提高神经网络训练时间和训练精度。图1为基于模糊k均值和神经网络的入侵检测算法流程。

2 基于模糊k均值和神经网络的入侵检测算法实现

为了验证基于模糊 k均值和神经网络算法的性能及效率，生成一个三层结构的神经网络，包括六个神经元的隐藏层。……