买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本申请实施例公开了一种基于Taylor神经网络的入侵检测方法及系统，针对现阶段攻击数据的特点提出了一种新型神经元——Taylor神经元TN，并利用Taylor神经元设计了Taylor神经网络层TNL，再结合传统神经网络DNN搭建了适合入侵数据特征的Taylor神经网络TNN入侵检测算法。将基于高斯过程的人工蜂群算法引入Taylor神经网络，并建立Simple_TNN与Multi_TNN的入侵检测模型。实验证明，使用了GABC的Simple_TNN和Multi_TNN相较于传统的DNN等入侵检测算法具有明显的优势。

主权项：1.一种基于Taylor神经网络的入侵检测方法，其特征在于，所述方法包括：步骤1：初始化人工蜂群算法的种群数目、蜜源位置、最大迭代次数和搜索空间；步骤2：对原始数据x进行预处理；所述预处理包括将数据集中的离散特征转换为数值型特征；以及将数值型特征进行归一化处理，使其都是分布在0到1之间的实数；步骤3：将归一化后的数据特征进行变换，以满足Taylor神经网络层的输入条件；步骤4：将变换后的数据划分为训练集x_train、测试集x_test；步骤5：将训练集x_train输入至Taylor神经网络TNN中，并进行训练；步骤6：计算并返回训练集的损失值，并将其作为人工蜂群算法GABC的目标函数，更新相关参数；步骤7：反复执行步骤2至步骤6，直至触发GABC的迭代终止条件，获得TNN的最优展开项数；步骤8：传递参数至TNN并对其进行训练，训练完成后在测试集上进行测试；所述将训练集x_train输入至Taylor神经网络TNN中，并进行训练，具体包括如下步骤：步骤a：初始化种群数、最大迭代次数以及搜索空间，并更新种群位置；步骤b：计算并评估每个初始解的适应度函数值，根据适应度函数值确定极值以及最好最差的位置；步骤c：按照如下公式进行贪婪选择，如果vi的适应度优于xi，则用vi代替xi，将vi作为当前最好的解，否则保留xi不变； 步骤d：设置循环条件开始循环；步骤e：利用高斯过程更新引领蜂位置；步骤f：利用轮盘机制更新跟随蜂位置；步骤g：若一个食物源经过数次迭代后仍未被更新，则将其放弃，则此引领蜂转成一个侦查峰，计算产生一个新的食物源；步骤h：记录目前为止的最优解；步骤i：判断是否满足循环终止条件，若满足，循环结束，输出最优解，否则返回步骤d继续搜索。

全文数据：

权利要求：

百度查询： 江西理工大学 一种基于Taylor神经网络的入侵检测方法及系统