基于乌鸦搜索优化BP神经网络的入侵检测方法

为了提高入侵检测系统的准确率,提出一种基于乌鸦搜索算法的反向传播(CSA-BP)神经网络模型。BP神经网络是解决非线性问题的重要方法,但是其预测能力容易受到初始参数的影响。针对这一问题,将相对百分误差作为模型的目标函数,通过乌鸦搜索算法极强的全局搜索能力找到最优权值和阈值。然后,利用5组标准的数据集对CSA-BP模型进行验证。最后,将CSA-BP算法用于入侵检测系统,结果表明,该算法使入侵检测系统准确率更高,达到了96.6%,且加快了收敛速度。