ABSTRACT Intrusion detection is one

ABSTRACT
Intrusion detection is one of the core technologies in dynamic
security. As an important branch of artificial intelligence, neural
networks is a high efficient and parallel, non-linear dynamical
system, it possesses characteristics of self-adaptive, self- learning
and well expansibility. Aimed at the traditional IDS defects of
high rate of false alarm and high rate of missing report, we design
the method of IDS based on BP neural networks. For huge data
samples, the training of the value of the weight is improved
compared with the traditional back-propagation (BP) neural
networks and simulation, the results show that the method is
efficient.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อ ตรวจจับการบุกรุกเป็นหนึ่งในเทคโนโลยีหลักในแบบไดนามิกการรักษาความปลอดภัย เป็นสาขาสำคัญของปัญญาประดิษฐ์ ประสาทเป็นเครือข่ายมีประสิทธิภาพ และขนาน สมบัติ dynamicalระบบ มันมีลักษณะของการ self-adaptive เรียน รู้ตนเองและ expansibility ดี บกพร่องรหัสดั้งเดิมของอัตราสูงสุดของสัญญาณหลอกและอัตราสูงสุดของขาดรายงาน เราออกแบบวิธีการของรหัสตามเครือข่ายระบบประสาท BP สำหรับข้อมูลขนาดใหญ่ตัวอย่าง การฝึกอบรมของค่าของน้ำหนักเพิ่มขึ้นเมื่อเทียบกับแบบดั้งเดิมกลับเผยแพร่ (BP) ระบบประสาทเครือข่ายและการจำลองผลแสดงว่า วิธีนี้ที่มีประสิทธิภาพ

ผลลัพธ์ (ไทย) 2:

บทคัดย่อการตรวจจับการบุกรุกเป็นหนึ่งในเทคโนโลยีหลักในแบบไดนามิกการรักษาความปลอดภัย ในฐานะที่เป็นสาขาที่สำคัญของปัญญาประดิษฐ์ประสาทเครือข่ายเป็นที่มีประสิทธิภาพและขนานสูงพลังที่ไม่ใช่เชิงเส้นระบบมันมีลักษณะของตนเองการปรับตัวในการเรียนรู้ด้วยตนเองและexpansibility ดี มุ่งเป้าไปที่ข้อบกพร่องแบบดั้งเดิม IDS ของอัตราที่สูงของการเตือนภัยที่ผิดพลาดและอัตราที่สูงของรายงานที่ขาดหายไปเราออกแบบวิธีการของIDS ขึ้นอยู่กับ BP เครือข่ายประสาท สำหรับข้อมูลขนาดใหญ่ตัวอย่างการฝึกอบรมของมูลค่าของน้ำหนักจะดีขึ้นเมื่อเทียบกับการขยายพันธุ์กลับแบบดั้งเดิม(BP) ประสาทเครือข่ายและการจำลองผลที่แสดงให้เห็นว่าวิธีการที่มีประสิทธิภาพ