基于神经网络的通信系统入侵检测专利技术综述
摘要
基于神经网络的入侵检测系统有一定的学习和自适应能力,能够更准确的识别出网络数据的安全性,从而减少入侵检测系统的误报率。
出处
《中国新通信》
2016年第17期29-29,共1页
China New Telecommunications
二级参考文献14
-
1YANG Ge1, LV Jianhong1 & LIU Zhiyuan2 1. Department of Power Engineering, Southeast University, Nanjing 210096, China,2. Department of Power Engineering, Nanjing Institute of Technology, Nanjing 210013, China.A new sequential learning algorithm for RBF neural networks[J].Science China(Technological Sciences),2004,47(4):447-460. 被引量:5
-
2卿斯汉,蒋建春,马恒太,文伟平,刘雪飞.入侵检测技术研究综述[J].通信学报,2004,25(7):19-29. 被引量:232
-
3周国民.入侵检测系统评价与技术发展研究[J].现代电子技术,2004,27(12):86-88. 被引量:36
-
4威滕.数据挖掘:实用机器学习技术[M].北京:机械工业出版社,2006.
-
5张千里,陈光英.网络安全新技术[J].北京:人民邮电出版社,2003.
-
6Wang J,Wang J X,Chen J E,et al.An Automated Signature Genera-tion Approach for Polymorphic Worm Based on Color Coding[C]//IEEE ICC 2009.Washington:IEEE Computer Society,2009:1-6.
-
7Powell M J D. Radial basis functions for multivariable interpolation:a review[A].New York:Oxford University Press,1985.143-167.
-
8Mohammad A.Faysel,Syed S.Haque. Towards Cyber Defense:Research in Intrusion Detection and Intrusion Prevention Systems[J].IJCSNS International Journal of ComputerScience and Network Security,2010.
-
9孔月萍;周继;于军琪.人工智能及其应用[M]北京:机械工业出版社,2008127-147.
-
10Eberhart R,Kennedy J. A New Optimizer Using Particle Swarm Theory[A].1995.39-43.
共引文献17
-
1邵伯乐.一种基于禁忌神经网络的网络入侵检测模型[J].长春师范学院学报(自然科学版),2014,33(4):47-50.
-
2梁潘.基于HMM和自组织映射的网络入侵检测算法[J].青岛科技大学学报(自然科学版),2014,35(4):400-404. 被引量:3
-
3储泽楠,李世扬.基于节点生长马氏距离K均值和HMM的网络入侵检测方法设计[J].计算机测量与控制,2014,22(10):3406-3409. 被引量:15
-
4吴冬惠,杨印根,李成林,吴菲.EFSA模型在入侵检测中的应用与研究[J].电脑知识与技术,2015,0(1):38-41.
-
5王曙霞.大数据环境下的网络主动入侵检测方法研究[J].科技通报,2015,31(8):225-227. 被引量:8
-
6钱景辉,成伟,李荣雨.基于改进自组织特征映射的网络入侵检测[J].自动化仪表,2015,36(10):68-71. 被引量:1
-
7芦彩林,邹恒,何淑贤.网络入侵中未知协议识别单元的设计与测试[J].现代电子技术,2015,38(22):25-28. 被引量:3
-
8林德强.网络攻击风险检测模型仿真研究[J].计算机仿真,2016,33(1):305-308. 被引量:2
-
9郝世选.基于位置敏感哈希的入侵检测研究与应用[J].计算机仿真,2016,33(4):308-311. 被引量:3
-
10曾兆敏.基于改进遗传算法的网络安全检测模型及系统构建[J].自动化与仪器仪表,2016(10):204-205. 被引量:5