计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2011年
13期
104-106
,共3页
谢靖鑫%刘衍珩%朱建启%孙鑫%付枫
謝靖鑫%劉衍珩%硃建啟%孫鑫%付楓
사정흠%류연형%주건계%손흠%부풍
入侵检测%集成%核主成分分析%核独立成分分析%分布式神经网络
入侵檢測%集成%覈主成分分析%覈獨立成分分析%分佈式神經網絡
입침검측%집성%핵주성분분석%핵독립성분분석%분포식신경망락
针对入侵检测系统的高漏报率及高误报率问题,提出一种混杂入侵检测模型.该模型分别构造基于核主成分分析(KPCA)和核独立成分分析(KICA)的特征提取器,并采用集成学习对特征提取结果进行整合学习.采用分布式神经网络对集成结果进行再学习,从而实现对大规模数据的分布式处理.通过反馈机制调节KPCA和KICA的集成学习权重,达到最优检测效果.采用KDD CUP'99数据集进行测试实验,结果表明:该模型能够获得较高的检测正确率,同时具有较低的漏报率及误报率.
針對入侵檢測繫統的高漏報率及高誤報率問題,提齣一種混雜入侵檢測模型.該模型分彆構造基于覈主成分分析(KPCA)和覈獨立成分分析(KICA)的特徵提取器,併採用集成學習對特徵提取結果進行整閤學習.採用分佈式神經網絡對集成結果進行再學習,從而實現對大規模數據的分佈式處理.通過反饋機製調節KPCA和KICA的集成學習權重,達到最優檢測效果.採用KDD CUP'99數據集進行測試實驗,結果錶明:該模型能夠穫得較高的檢測正確率,同時具有較低的漏報率及誤報率.
침대입침검측계통적고루보솔급고오보솔문제,제출일충혼잡입침검측모형.해모형분별구조기우핵주성분분석(KPCA)화핵독립성분분석(KICA)적특정제취기,병채용집성학습대특정제취결과진행정합학습.채용분포식신경망락대집성결과진행재학습,종이실현대대규모수거적분포식처리.통과반궤궤제조절KPCA화KICA적집성학습권중,체도최우검측효과.채용KDD CUP'99수거집진행측시실험,결과표명:해모형능구획득교고적검측정학솔,동시구유교저적루보솔급오보솔.
