计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2008年
29期
138-141,160
,共5页
入侵检测系统%特征降维%反向传播神经元网络
入侵檢測繫統%特徵降維%反嚮傳播神經元網絡
입침검측계통%특정강유%반향전파신경원망락
一般来说,入侵检测系统(IDS)识别入侵者时,所使用的相互独立的特征越多,则提供的分类信息也越多,也越有利于提高IDS的正确识别率,但另一方面,IDS是借用一些数学方法来完成的,它要求用于分类的特征越少越好.为了解决这个矛盾,提高IDS的实时性和整体性能,给出了一种特征降维算法,即,通过数学变换,把原来n个特征的信息尽量集中到较少的k(k<n)个新特征中去,然后用这个新特征识别入侵者.这些较少的新特征作为IDS的输入,可以提高IDS的整体性能.以此为基础建立了一个基于反向传播神经元网络的IDS.实验证明用该方法所建立的IDS效果较好.给出的特征降维算法既可以保留原来n个特征的信息,又能用较少的k个新特征识别入侵者,提高了IDS的总体性能,降低了计算复杂度.
一般來說,入侵檢測繫統(IDS)識彆入侵者時,所使用的相互獨立的特徵越多,則提供的分類信息也越多,也越有利于提高IDS的正確識彆率,但另一方麵,IDS是藉用一些數學方法來完成的,它要求用于分類的特徵越少越好.為瞭解決這箇矛盾,提高IDS的實時性和整體性能,給齣瞭一種特徵降維算法,即,通過數學變換,把原來n箇特徵的信息儘量集中到較少的k(k<n)箇新特徵中去,然後用這箇新特徵識彆入侵者.這些較少的新特徵作為IDS的輸入,可以提高IDS的整體性能.以此為基礎建立瞭一箇基于反嚮傳播神經元網絡的IDS.實驗證明用該方法所建立的IDS效果較好.給齣的特徵降維算法既可以保留原來n箇特徵的信息,又能用較少的k箇新特徵識彆入侵者,提高瞭IDS的總體性能,降低瞭計算複雜度.
일반래설,입침검측계통(IDS)식별입침자시,소사용적상호독립적특정월다,칙제공적분류신식야월다,야월유리우제고IDS적정학식별솔,단령일방면,IDS시차용일사수학방법래완성적,타요구용우분류적특정월소월호.위료해결저개모순,제고IDS적실시성화정체성능,급출료일충특정강유산법,즉,통과수학변환,파원래n개특정적신식진량집중도교소적k(k<n)개신특정중거,연후용저개신특정식별입침자.저사교소적신특정작위IDS적수입,가이제고IDS적정체성능.이차위기출건립료일개기우반향전파신경원망락적IDS.실험증명용해방법소건립적IDS효과교호.급출적특정강유산법기가이보류원래n개특정적신식,우능용교소적k개신특정식별입침자,제고료IDS적총체성능,강저료계산복잡도.
