针对局域网IPv6协议数据入侵检测的异常问题，文中设计并实现了基于神经网络的IPv6局域网入侵检测方法。利用深度学习中的前馈神经网络建立模型，将入侵行为所导致的异常数据流作为原始输入驱动训练模型，并结合误差逆传播与优化函数对系统做性能优化。在校园网内进行的实验结果表明，与经典的基于模式匹配算法的入侵检测方法相比，文中所提方法在正确率和误报率方面均优于基于模式匹配的算法，且在相同条件下，比基于模式匹配的算法在检测数量方面至少超出5%。
科研之友
微信
新浪微博
Facebook
分享链接
