计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2009年
11期
2660-2662
,共3页
王加民%闫仁武%王继凤%李从%雷艳云
王加民%閆仁武%王繼鳳%李從%雷豔雲
왕가민%염인무%왕계봉%리종%뢰염운
网络安全%异常检测%数据挖掘%入侵检测%动态自学习
網絡安全%異常檢測%數據挖掘%入侵檢測%動態自學習
망락안전%이상검측%수거알굴%입침검측%동태자학습
针对目前常见的入侵检测的模型的一些结构性的缺点,提出了基本数据挖掘的动态自学习入侵检测模型DMIDS,给出了动态自学习的正常行为库的更新机制,克服了传统静态检测模型必须完全重新学习才能更新模型甚至无法重新学习的缺陷.通过基于KDD'99数据集的实验,表明其相对于传统的异常检测方法在保证较高检测率的前提下,有效地降低了误报率.
針對目前常見的入侵檢測的模型的一些結構性的缺點,提齣瞭基本數據挖掘的動態自學習入侵檢測模型DMIDS,給齣瞭動態自學習的正常行為庫的更新機製,剋服瞭傳統靜態檢測模型必鬚完全重新學習纔能更新模型甚至無法重新學習的缺陷.通過基于KDD'99數據集的實驗,錶明其相對于傳統的異常檢測方法在保證較高檢測率的前提下,有效地降低瞭誤報率.
침대목전상견적입침검측적모형적일사결구성적결점,제출료기본수거알굴적동태자학습입침검측모형DMIDS,급출료동태자학습적정상행위고적경신궤제,극복료전통정태검측모형필수완전중신학습재능경신모형심지무법중신학습적결함.통과기우KDD'99수거집적실험,표명기상대우전통적이상검측방법재보증교고검측솔적전제하,유효지강저료오보솔.
