МЕТОДЫ И АЛГОРИТМЫ ЗАЩИТЫ ИСПОЛНЯЕМОГО ПРОГРАММНОГО КОДА ОТ ДИНАМИЧЕСКОГО И СТАТИЧЕСКОГО АНАЛИЗА

Abstract

В последнее время системы обнаружения вторжений (IDS) были внедрены для эффективного защищенные сети. Использование нейронных сетей и машинного обучения для обнаружения и классификации вторжения являются мощными альтернативными решениями. В этой исследовательской работе оба метода Gradient спуск с импульсом (GDM) на основе обратного распространения (BP) и градиентный спуск с импульса и адаптивного усиления (GDM / AG) используются для обучения нейронные сети для работы как IDS. Чтобы проверить эффективность двух предложенных обучения , IDS на основе нейронной сети строится с использованием предложенного алгоритма обучения - ритмы . Эффективность обоих алгоритмов проверяется с точки зрения скорости сходимости к достичь системного обучения и затраченного времени обучения, используя различные настройки нейронной сети  параметры . Результат показал, что алгоритм обучения BP на основе GDM/AG превосходит алгоритм обучения BP на основе GDM.