bp神经网络的入侵检测MATLAB实现

以下是一个基于bp神经网络的入侵检测MATLAB实现的示例代码：

%% 加载数据
load('kddcup99.mat');
xtrain = kddcup99.traindata(:,1:41);
ytrain = kddcup99.traindata(:,42);
xtest = kddcup99.testdata(:,1:41);
ytest = kddcup99.testdata(:,42);

%% 数据预处理
% 对离散特征进行one-hot编码
xtrain = onehotencode(xtrain);
xtest = onehotencode(xtest);

% 数据归一化
[xtrain,ps] = mapminmax(xtrain');
xtrain = xtrain';
xtest = mapminmax('apply',xtest',ps)';
ytrain(ytrain~=1) = 2; % 二分类问题，将所有攻击类别标记为2

%% 构建模型
net = patternnet([10 10]); % 创建两层10个神经元的bp神经网络
net.trainParam.epochs = 100; % 设定训练轮数
net.trainParam.showWindow = false; % 不显示训练窗口
net = train(net,xtrain',full(ind2vec(ytrain'))); % 训练模型

%% 预测
ypred = round(net(xtest')); % 对测试集进行预测
ypred(ypred~=1) = 2; % 将输出结果转换为类别标签

%% 评估
acc = sum(ypred==ytest)/length(ytest); % 计算准确率
cm = confusionmat(ytest,ypred); % 计算混淆矩阵
disp(['Accuracy: ',num2str(acc)]);
disp('Confusion Matrix:');
disp(cm);

%% 函数
function x = onehotencode(x)
% 对离散特征进行one-hot编码
for i = [2, 4, 5, 7, 8, 9, 11, 12, 15, 16, 17, 18, 22, 23, 24]
% 找到所有离散特征的列索引
col = x(:,i);
values = unique(col); % 找到该特征的所有取值
for j = 1:length(values)
% 对每个取值构建一列新特征
newcol = double(col == values(j));
x = [x newcol];
end
% 删除原特征列
x(:,i) = [];
end
end