两类基于异常网络入侵检测方法的比较被引量：1

下载PDF

导出

摘要比较了基于异常网络入侵检测的两类方法,分析了它们各自的特点。两类方法的优缺点可以互补,融合这两类方法可以形成一种新的入侵检测方法。

作者张满怀

机构地区中国电信股份有限公司广州分公司

出处《电信技术》 2011年第11期21-23,共3页 Telecommunications Technology

关键词网络安全入侵检测遗传算法支持向量机

参考文献6

1吴涛,张铃,张燕平.机器学习中的核覆盖算法[J].计算机学报,2005,28(8):1295-1301. 被引量：33
2李健,范万春,何驰.基于多分类支持向量机的网络入侵检测技术[J].计算机应用,2005,25(7):1551-1553. 被引量：7
3张凤斌,杨永田,江子扬.遗传算法在基于网络异常的入侵检测中的应用[J].电子学报,2004,32(5):875-877. 被引量：30
4李辉,管晓宏,昝鑫,韩崇昭.基于支持向量机的网络入侵检测[J].计算机研究与发展,2003,40(6):799-807. 被引量：79
5M Srinivas,M Patnaik.Adaptive probabilities of crossover and mutation in genetic algorithms. IEEE Transactions on Systems Man and Cybernetics . 1993
6Eskin E.Anomaly detection over noisy data using learned probability distributions. Proceedings of the Seventeenth International Conference on Machine Learning ( ICML- 2000 ) . 2000

1张学工译.统计学习理论的本质[M].北京：清华大学出版社,1995..
2E Eskin.Anomaly detection over noisy data using learned probability distributions[A].Proceedings of the 17th International Conference on Machine Learning[C].San Mateo,CA:Morgan Kaufmann,2000.255-262.
3T Lane,C Brodley.Temporal sequence learning and data reduction for anomaly detection[J].ACM Trans Info System Security,1999,2:295-331.
4T Lane,C E Brodley.Data reduction techniques for instancebased learning from human/computer interface data[A].Proceedings of the 17th International Conference on Machine Learning[C].San Mateo,CA:Morgan Kaufmann,2000.519-526.
5D Dasgupta,F Gonzalez.An immunity-based technique to characterize intrusions in computer networks[J].IEEE Transactions on Evolutionary Computation,2002,3(6):281-291.
6E Zitzler,L Thiele.Multi-objective evolutionary algorithms:comparative case study and the strength pareto approach[J].IEEE Trans of Evolutionary Computation,1999,3(4):257-271.
7M Srinivas,M Patnaik.Adaptive probabilities of crossover and mutation in genetic algorithms[J].IEEE Trans on Systems,Man,and Cybernetics,1993,24(4):656-667.
8张学工译.统计学习理论的本质[M].北京：清华大学出版社,2000..
9VapnikVN.统计学习理论的本质[M].北京：清华大学出版社,2000..
10EUGENE S. Criss and aftermath[J]. Communications of the ACM,1989, 32(6) : 678 -687.

1张晋东,秦贵和,崔月.基于FastICA和SVM的EEG信号分类系统[J].计算机研究与发展,2008,45(z1):255-258. 被引量：1
2王勇,杨辉华,王行愚,何倩.基于最小二乘支持向量机的Linux主机入侵检测系统[J].计算机工程与应用,2005,41(2):120-124. 被引量：4
3杨辉华,王行愚,王勇,何倩.基于KPLS的网络入侵特征抽取及检测方法[J].控制与决策,2005,20(3):251-256. 被引量：14
4常卫东.智能化技术在入侵检测中的应用[J].怀化学院学报,2004,23(5):83-86.
5陈文杰,王晶.支持向量机在工业过程中的应用[J].计算机与应用化学,2005,22(3):195-200. 被引量：9
6常卫东.两种机器学习型入侵检测技术探讨[J].宁波职业技术学院学报,2005,9(2):41-43.
7肖云,韩崇昭,郑庆华,王清.一种基于多分类支持向量机的网络入侵检测方法[J].西安交通大学学报,2005,39(6):562-565. 被引量：13
8谷雨.基于增量式SVM的入侵检测研究[J].云南民族大学学报（自然科学版）,2005,14(3):249-251. 被引量：2
9王勇,杨辉华,王行愚,何倩.一种基于进化神经网络的入侵检测实验系统[J].华东理工大学学报（自然科学版）,2005,31(3):362-366. 被引量：11
10谷雨,郑锦辉,戴明伟,何磊.基于Bagging支持向量机集成的入侵检测研究[J].微电子学与计算机,2005,22(5):17-19. 被引量：6

电信技术

2011年第11期

内容加载中请稍等...