公开(公告)号：CN101901317B

公开(公告)日：2012-01-18

申请号：CN201010228750.6

申请日：2010-07-09

Applicant: 北京大学

Inventor： 杨雅辉 ,  姜电波 ,  沈晴霓 ,  夏敏 ,  张英 ,  何家胜

IPC: G06F21/00 ,  G06N3/08

Abstract: 本发明公开了一种基于生长型分级自组织映射(Growing Hierarchical Self-organizing Maps，GHSOM)神经网络的入侵检测方法，属于网络信息安全技术领域。本方法中GHSOM入侵检测模型的训练方法的关键点为：1)设计一种新的混合向量结构，使得改进的GHSOM神经网络能够处理含有数值类型成员和字符类型成员的混合输入模式向量；2)设计一种新的控制机制，该机制使用张力映射率(Tension and Mapping Ratio(TMR)来替代参数τ1，使得支持混合输入模式向量的GHSOM神经网络自动控制神经元的增长。把这种改进的神经网络用于入侵检测技术中，有利于检测率的提高。

公开(公告)号：CN101901317A

公开(公告)日：2010-12-01

申请号：CN201010228750.6

申请日：2010-07-09

Applicant: 北京大学

Inventor： 杨雅辉 ,  姜电波 ,  沈晴霓 ,  夏敏 ,  张英 ,  何家胜

IPC: G06F21/00 ,  G06N3/08

Abstract: 本发明公开了一种基于生长型分级自组织映射(Growing Hierarchical Self-organizing Maps，GHSOM)神经网络的入侵检测方法，属于网络信息安全技术领域。本方法中GHSOM入侵检测模型的训练方法的关键点为：1)设计一种新的混合向量结构，使得改进的GHSOM神经网络能够处理含有数值类型成员和字符类型成员的混合输入模式向量；2)设计一种新的控制机制，该机制使用张力映射率(Tension and Mapping Ratio(TMR)来替代参数τ1，使得支持混合输入模式向量的GHSOM神经网络自动控制神经元的增长。把这种改进的神经网络用于入侵检测技术中，有利于检测率的提高。