中国学术期刊网络出版总库
  关闭
自组织增量神经网络IDS研究  
   推荐 CAJ下载 PDF下载
【英文篇名】 Network anomaly detection with improved self-organizing incremental neural network
【下载频次】 ★★★☆
【作者】 向直扬; 朱俊平;
【英文作者】 XIANG Zhiyang; ZHU Junping; College of Information Engineering; Northwest A&F University;
【作者单位】 西北农林科技大学信息工程学院;
【文献出处】 计算机工程与应用 , Computer Engineering and Applications, 编辑部邮箱 2014年 02期  
期刊荣誉:中文核心期刊要目总览  ASPT来源刊  中国期刊方阵  CJFD收录刊
【中文关键词】 异常检测; 在线聚类; 数据精简; 自组织增量神经网络; 最近邻分类器;
【英文关键词】 anomaly detection; online clustering; data reduction; Self-Organizing Incremental Neural Network(SOINN); nearest neighbor classifier;
【摘要】 理想的网络入侵检测系统(IDS)是无监督学习的、在线学习的。现有的满足这两个标准的方法训练速度较慢,无法保证入侵检测系统所需要的低丢包率。为了提高训练速度,提出一种基于改进的自组织增量神经网络(improved SOINN)的网络异常检测方法,用于在线地、无监督地训练网络数据分类器;并提出使用三种数据精简(Data Reduction)的方法,包括随机子集选取,k-means聚类和主成分分析的方法,来进一步加速改进的SOINN的训练。实验结果表明,提出的方法在保持较高检测率的前提下,减少了训练时间。
【英文摘要】 An ideal Intrusion Detection System(IDS)should implement unsupervised learning and online learning. Existing methods suffice these two criterions requires too much training time, which would cause a high packet loss rate and is unacceptable. To overcome the difficulty, an intrusion detection method based on improved Self-Organizing Incremental Neural Network(SOINN)and data reduction is presented, which allows online training of network classifiers in an unsupervised fashion. Also, data reduction methods, in...
【更新日期】 2014-03-17
【分类号】 TP393.08
【正文快照】 1引言在当今社会中人们的日常生活越来越依靠于各种网络应用,如电子商务,社交网络等等。在这些网络应用中的任何安全破坏,都会给很多人的日常生活造成不便。入侵检测系统,作为保护互联网终端的主要安全工具之一,在入侵预警,入侵证据采集等方面有着不可替代的作用[1]。网络入侵?

xxx
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。

工业技术
  自动化技术、计算机技术
   计算技术、计算机技术
    计算机的应用
     计算机网络
      一般性问题
       计算机网络安全
  
 
  CNKI系列数据库编辑出版及版权所有:中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有:清华同方知网(北京)技术有限公司
其它数据库版权所有:各数据库编辑出版单位(见各库版权信息)
京ICP证040431号    互联网出版许可证 新出网证(京)字008号