计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2013年
11期
2375-2382
,共8页
阳时来%杨雅辉%沈晴霓%黄海珍
暘時來%楊雅輝%瀋晴霓%黃海珍
양시래%양아휘%침청예%황해진
入侵检测%半监督%生长型分层自组织映射%聚类%信息熵
入侵檢測%半鑑督%生長型分層自組織映射%聚類%信息熵
입침검측%반감독%생장형분층자조직영사%취류%신식적
intrusion detection%semi-supervised%growing hierarchical self-organizing maps (GHSOM)%clustering%entropy
基于神经网络的入侵检测方法是入侵检测技术的一个重要发展方向.在已有无监督生长型分层自组织映射(growing hierarchical self-organizing maps,GHSOM)神经网络算法的基础上,提出了一种半监督GHSOM算法.该算法利用少量有标签的数据指导大规模无标签数据的聚类过程.一方面借鉴cop-kmeans半监督机制,解决了原始算法中返回空划分的问题,并将其应用到GHSOM算法中.另一方面提出了神经元信息熵的概念作为子网生长的判断条件,提高了GHSOM网络子网划分的精度.此外还利用有标签的数据自动确定聚类结果的入侵类型.对KDD Cup 1999数据集和LAN环境下模拟产生的数据集进行的入侵检测实验表明:相比于无监督的GHSOM算法,半监督的GHSOM算法对各种类型的攻击具有较高的检测率.
基于神經網絡的入侵檢測方法是入侵檢測技術的一箇重要髮展方嚮.在已有無鑑督生長型分層自組織映射(growing hierarchical self-organizing maps,GHSOM)神經網絡算法的基礎上,提齣瞭一種半鑑督GHSOM算法.該算法利用少量有標籤的數據指導大規模無標籤數據的聚類過程.一方麵藉鑒cop-kmeans半鑑督機製,解決瞭原始算法中返迴空劃分的問題,併將其應用到GHSOM算法中.另一方麵提齣瞭神經元信息熵的概唸作為子網生長的判斷條件,提高瞭GHSOM網絡子網劃分的精度.此外還利用有標籤的數據自動確定聚類結果的入侵類型.對KDD Cup 1999數據集和LAN環境下模擬產生的數據集進行的入侵檢測實驗錶明:相比于無鑑督的GHSOM算法,半鑑督的GHSOM算法對各種類型的攻擊具有較高的檢測率.
기우신경망락적입침검측방법시입침검측기술적일개중요발전방향.재이유무감독생장형분층자조직영사(growing hierarchical self-organizing maps,GHSOM)신경망락산법적기출상,제출료일충반감독GHSOM산법.해산법이용소량유표첨적수거지도대규모무표첨수거적취류과정.일방면차감cop-kmeans반감독궤제,해결료원시산법중반회공화분적문제,병장기응용도GHSOM산법중.령일방면제출료신경원신식적적개념작위자망생장적판단조건,제고료GHSOM망락자망화분적정도.차외환이용유표첨적수거자동학정취류결과적입침류형.대KDD Cup 1999수거집화LAN배경하모의산생적수거집진행적입침검측실험표명:상비우무감독적GHSOM산법,반감독적GHSOM산법대각충류형적공격구유교고적검측솔.
