论文部分内容阅读
为解决传统入侵检测模型所存在的检测效率低，对未知的入侵行为检测困难等问题，对神经网路隐层激励函数进行了研究，利用多层激励函数的量子神经网络模型进行入侵检测，该量子神经网络借鉴量子理论中量子态叠加的思想，使得隐层神经元能表示更多地状态或量级，从而很好的对入侵类型进行分类，增加隐层神经元的处理速度和检测性能法。实验表明，叠加的每个sigmoid函数较传统的sigmoid函数不仅对已知的入侵具有较好的识别能力，而且能较好的识别未知入侵行为，从而实现入侵检测的智能化。