[发明专利]基于大数据处理框架的神经网络算法在IDS中的应用

权利要求书

1.基于大数据处理框架的神经网络算法在IDS中的应用，其特征在于，基于大数据技术处理框架的BP神经网络分类器模型在入侵检测系统中的应用；同时还应用了基于Kolmogorov定理和训练函数“trainbfg”拟牛顿算法的BP神经网络算法。

2.根据权利要求1所述的基于大数据处理框架的神经网络算法在IDS中的应用，其特征在于：BP神经网络算法模型，具体包括：

S1.该模型是一种多层前馈神经网络，即采用误差反向传播学习算法的神经网络；

S2.该算法模型包括输入层、隐藏层和输出层，相邻层神经元之间采用全连接方式，同一层之间没有任何连接；

S3.同层节点间无任何耦合，每一层的神经元只接受前一层神经元的输入，每一层神经元的输出只影响下一层神经元的输出，网络中每一层的权值通过学习来调，实现从输入到输出的任意非线性映射；

S4.神经网络具有自学习、联想记忆和模糊运算能力，应用于入侵检测系统，使得神经网络不仅可以识别出已有的攻击模式，还可以检测出未知攻击的能力；

S5.神经网络作为一种高效并行非线性动态处理系统，可以满足实时处理系统的要求。

3.根据权利要求1所述的基于大数据处理框架的神经网络算法在IDS中的应用，其特征在于：基于Kolmogorov定理，即为了近似一个N个变量的连续函数，可以精确地用一个三层前向神经网络实现，此网络的第一层即输入层有N个神经元，中间层2N+1个神经元，第三层即输出层有M个神经元。

4.根据权利要求1所述的基于大数据处理框架的神经网络算法在IDS中的应用，其特征在于：拟牛顿法的基本思想，引进一组矩阵来代替Hessian阵(一般的牛顿法中都要用到当前函数的二次导数(Hessian阵))，它既不需要计算二阶导数，又能很好地逼近，这样就保持了收敛速度快的优点，又避免了牛顿法的繁琐的计算，因此，我们采用了三层BP网络。