计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2013年
z2期
170-174,191
,共6页
蒋一波%王雨晨%王万良%张祯%陈琼
蔣一波%王雨晨%王萬良%張禎%陳瓊
장일파%왕우신%왕만량%장정%진경
MANET%入侵检测%机器学习%性能评估
MANET%入侵檢測%機器學習%性能評估
MANET%입침검측%궤기학습%성능평고
MANET%Intrusion detection%Machine learning algorithms%Performance analysis
移动Ad hoc网络(MANET,Mobile Ad hoc Networks)正得到越来越广泛的应用,相应的网络安全问题也开始得到广泛的关注.研究MANET网络可能遭遇的攻击方式,提出基于机器学习技术的入侵检测性能评估模型,并提出一个综合评价指标,比较了7种机器学习算法在MANET网络入侵检测中的性能表现,对于构建安全有效的MANET网络具有重要的意义.使用GloMoSim仿真工具对MANET网络正常行为及黑洞、洪水、丢包3种入侵行为进行模拟,并详细分析了各种攻击情况下,7种机器学习算法的性能表现.分析结果显示,该评估模型能较好地反映出各种机器学习算法的性能,其中,多层感知器、逻辑回归和支持向量机具有较高的检测率及较低的误报率.
移動Ad hoc網絡(MANET,Mobile Ad hoc Networks)正得到越來越廣汎的應用,相應的網絡安全問題也開始得到廣汎的關註.研究MANET網絡可能遭遇的攻擊方式,提齣基于機器學習技術的入侵檢測性能評估模型,併提齣一箇綜閤評價指標,比較瞭7種機器學習算法在MANET網絡入侵檢測中的性能錶現,對于構建安全有效的MANET網絡具有重要的意義.使用GloMoSim倣真工具對MANET網絡正常行為及黑洞、洪水、丟包3種入侵行為進行模擬,併詳細分析瞭各種攻擊情況下,7種機器學習算法的性能錶現.分析結果顯示,該評估模型能較好地反映齣各種機器學習算法的性能,其中,多層感知器、邏輯迴歸和支持嚮量機具有較高的檢測率及較低的誤報率.
이동Ad hoc망락(MANET,Mobile Ad hoc Networks)정득도월래월엄범적응용,상응적망락안전문제야개시득도엄범적관주.연구MANET망락가능조우적공격방식,제출기우궤기학습기술적입침검측성능평고모형,병제출일개종합평개지표,비교료7충궤기학습산법재MANET망락입침검측중적성능표현,대우구건안전유효적MANET망락구유중요적의의.사용GloMoSim방진공구대MANET망락정상행위급흑동、홍수、주포3충입침행위진행모의,병상세분석료각충공격정황하,7충궤기학습산법적성능표현.분석결과현시,해평고모형능교호지반영출각충궤기학습산법적성능,기중,다층감지기、라집회귀화지지향량궤구유교고적검측솔급교저적오보솔.
