神经网络与入侵检测系统

Question

我正在试图掌握神经网络相对于其他用于入侵检测系统的人工智能算法的效率。我正在阅读的大多数文献都没有很好地将神经网络与其他入侵检测系统进行比较。

它们是否工作得更好(检测到更多的真实攻击和更少的误报)？他们的效率是高还是低？

另一个问题是NN在IDS环境中有多新？它们被广泛使用了吗，这是旧新闻吗？

Answer 1

看起来你在问这个问题：

这个算法将帮助我可靠地检测到“入侵”发生的时间。

看看一些criticism of Neural Networks，似乎神经网络可能是过度训练的(这对于任何AI算法都是可能的)；这可以通过使用k-折交叉验证来克服。神经网络也很困难，因为很难解释为什么神经网络给出了它所做的结果。

这是你正在研究的问题吗？

最初，我会考虑使用Naive Bayes来解决这个问题，因为1)它很容易实现，2)它是一个很好的基础。此外，将Decision Trees视为您的问题的解决方案。

在实现NB和DT之后，实现NN，看看NN是否做得更好。

您也可以尝试使用ensemble technique，看看是否可以获得更好的结果。

有一个名为Weka的基于Java的包，它实现了我讨论过的许多算法，可能对您很有价值。

Answer 2

我在神经网络方面也是新手。我认为你可以使用Encog Neural Network Library来实现神经网络算法。它有Java和C#两种版本。