傳統(tǒng)的網(wǎng)絡(luò)入侵檢測(cè)方法利用已知類(lèi)型的攻擊樣本以離線的方式訓(xùn)練入侵檢測(cè)模型，雖然對(duì)已知攻擊類(lèi)型具有較高的檢測(cè)率，但是不能識(shí)別網(wǎng)絡(luò)上新出現(xiàn)的攻擊類(lèi)型．這樣的入侵檢測(cè)系統(tǒng)存在著建立系統(tǒng)的速度慢、模型更新代價(jià)高等不足，面對(duì)規(guī)模日益擴(kuò)大的網(wǎng)絡(luò)和層出不窮的攻擊，缺乏自適應(yīng)性和擴(kuò)展性，難以檢測(cè)出網(wǎng)絡(luò)上新出現(xiàn)的攻擊類(lèi)型．文中對(duì) ＧＨＳＯＭ（ＧｒｏｗｉｎｇＨｉｅｒａｒｃｈｉｃａｌＳｅｌｆ－ＯｒｇａｎｉｚｉｎｇＭａｐｓ）神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了擴(kuò)展，提 出 了一種基于增量式 ＧＨＳＯＭ 神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)入侵檢測(cè)方法，在不破壞已學(xué)習(xí)過(guò)的知識(shí)的同時(shí)，對(duì)在線檢測(cè)過(guò)程中新出現(xiàn)的攻擊類(lèi)型進(jìn)行增量式學(xué)習(xí)，實(shí)現(xiàn)對(duì)入侵檢測(cè)模型的動(dòng)態(tài)擴(kuò)展．作者開(kāi)發(fā)了一個(gè)基于增量式 ＧＨＳＯＭ 神經(jīng)網(wǎng)絡(luò)模型的在線網(wǎng)絡(luò)入侵檢測(cè)原型系統(tǒng)，在局域網(wǎng)環(huán)境下開(kāi)展了在線入侵檢測(cè)實(shí)驗(yàn)．實(shí)驗(yàn)結(jié)果表明增量式ＧＨＳＯＭ 入侵檢測(cè)方法具有動(dòng)態(tài)自適應(yīng)性，能夠?qū)崿F(xiàn)在線檢測(cè)過(guò) 程 中 對(duì) ＧＨＳＯＭ 模型的動(dòng)態(tài)更新，而 且對(duì) 于 網(wǎng) 絡(luò)上新出現(xiàn)的攻擊類(lèi)型，增量式 ＧＨＳＯＭ 算法與傳統(tǒng) ＧＨＳＯＭ 算法的檢測(cè)率相當(dāng)．