基于神经网络与证据理论的入侵检测系统

针对基于神经网络(ANN)的入侵检测系统(IDS)难以得到足够丰富的实测样本这一问题,引入信息融合的观点,提出了一个基于神经网络与证据理论相结合的入侵检测系统模型。模型的神经网络模块是由自组织映射网络(SOM)和反向误差传播网络(BP)合成的,并将BP 网络的输出作为证据,输入到证据理论模块。通过证据理论模块的信息融合,降低了虚警率,提高了检测率。

计算机类专业互联网金融方向知识体系构建

随着互联网金融的快速发展,社会对此类复合型人才提出迫切需求,也对高校的课程体系建设提出挑战。文章从技术角度研究互联网金融的知识体系并在此基础上,梳理给出计算机类专业互联网金融方向的核心课程体系。

基于Multi-agent的垃圾邮件检测系统的研究与实现

本文在简单介绍了垃圾邮件检测的现有技术、支持向量机和Multi-agent技术的基础上，新提出一个分布式垃圾邮件检测系统MAUS(Multi-agent Anti-UCE system)，该系统将分布式应用中的Multi-agent技术与垃圾邮件检测技术很好地结合在一起。本文具体讲述了基于Multi-agent的分布式垃圾邮件检测系统模型的体系结构、关键技术和在Window平台上使用DCOM技术的实现方法。实现结果说明该系统模型具有良好的实用价值。