入侵检测系统中基于主成份分析特征提取研究

数据降维是基于模式识别方法的入侵检测系统需要解决的一个问题。由于主成份分析方法具有两个我们期望的特性,一是不同的主成份之间互不相关,二是每个主成份都是所有原始特征的线性组合,所以将主成份分析应用到入侵检测系统的特征提取中。首先我们使用ReliefF算法去除原始特征中与分类无关的特征,然后再进行主成份分析。在实际的数据集KDDCUP’99上进行的实验结果表明提出的方法是有效及实用的。

基于免疫算法的入侵检测系统特征选择

入侵检测系统中的特征选择是一个组合优化问题。为了有效地进行特征选择,提出一种结合进化思想的免疫算法。算法中的免疫记忆单元确保了快速收敛于全局最优解,算法中的均匀交叉操作则体现了进化的思想。提出一个基于神经网络的入侵检测系统模型,该模型具有多分类,易于更新系统使其快速适应新型入侵的特点。在KDD CUP’99上的实验表明该算法是有效的。

入侵检测系统中基于PCA和C-SSGA的双向数据压缩

针对入侵检测数据中的冗余特征和冗余实例,提出一种基于主成分分析和混合稳态遗传算法的双向数据压缩方法.利用主成分分析对特征进行压缩,有效地去除特征之间的冗余性;用混合稳态遗传算法进行实例压缩,大大缩减了实例的数量;提出一个基于神经网络的入侵检测系统模型,该模型具有多分类、易于更新系统及快速适应新型入侵的特点.在KDD CUP’99上的实验表明,提出的方法是有效的,可以用于处理大数据集的压缩问题.

移动代理在网络性能管理中的应用研究

将移动代理技术应用到网络性能管理中,可以在增强性能管理功能的同时提高网络性能和准确性。文章给出了一个基于移动代理的网络性能管理系统Perma,并对该系统进行分析。

一种电信告警关联规则的改进算法

本文提出了一种基于矩阵运算挖掘告警关联规则的算法。该方法解决了以往 WINEPI 算法中需要多次扫描数据库的问题,其思路是首先将告警数据库转化为告警关联矩阵,然后对矩阵进行运算,得到告警间的关联规则。实验证明, 该方法的执行效率与 WINEPI 相比有明显提高。

入侵检测系统中基于变量相似性特征选择

ReliefF是一种在很多场合经常使用的filter式的特征选择方法,然而该方法的一大缺点是不能辨别冗余特征。基于ReliefF算法提出一种混合的有监督的特征选择算法。该算法首先利用ReliefF算法去除与分类无关的以及权重低于一定阈值的特征,然后采用一种变量相似性准则来去除冗余特征。在实际的数据集KDDCUP蒺99上进行的实验结果表明该混合特征选择方法较单独使用ReliefF方法在分类精度上有一定的提高。

以太网的集中式与分布式网络管理时延分析

由于网络中数据流量越来越大 ,分布式网络管理已成为一种趋势。通过把分布式网络管理应用到以太网的网络管理中 ,并与传统的以太网的集中式网络管理进行比较。同时对两种网络管理方式下以太网中的网络管理站和网络结点中的代理进程之间的通信方式进行了详细的分析 ,从中得出了分布式网络管理中以太网主干信道中时延小的结论。进行仿真后的结果表明 ,在相同条件下 ,这种管理方式比集中式网络管理方式在网络时延方面有了较大的改善。

主动分布式网络管理在以太网网络管理中的应用

在目前网络管理现状的基础上,结合现今国际上研究的热点主动网,提出了把主动分布式网络管理应用到现今的以太网的网络管理中。

电信网告警数据库中的增量式挖掘技术研究

首先回顾了电信网告警数据库中数据挖掘技术应用的研究进展,然后对告警模型进行了形式化描述,并阐述了告警模式挖掘算法W INEPI的基本思想,接着讨论了时间窗宽度改变情况下对候选集规模削减的两个约束条件,基于此提出了一种基于时间窗约束的增量式频繁情景挖掘算法。实验结果表明,该算法的执行效率在一定条件下比原有W INEPI算法有显著提高。

基于支持向量机的网络告警预测知识发现

基于支持向量机提出一种方法,能够从历史告警中挖掘出告警的预测知识。首先把告警预测问题转化成机器学习问题,然后通过在告警序列上滑动窗口形成样本去训练支持向量机,从而建立对某种特定告警的预测模型。实验验证了该方法的有效性,并考察了一些关键参数对于预测性能的影响。

一种基于统计方法的入侵检测模型的研究

由于传统的基于信息加密的被动式信息保护技术不能满足现代信息安全的需求,主动检测攻击的防御技术变得迫切重要,本文正是基于这种需要而提出的一种基于统计方法的入侵检测模型。审计记录是入侵检测模型实施的依据,本文使用神经网络技术来训练这些审计记录,获得每个属性的正常区间,通过区间选取算法,就可得到阀值向量,结合加权特征向量和伯努利向量,就可以进行加权入侵得分的计算和疑义商的计算,疑义商就是本模型判断入侵的依据,其值越大意味着相应的会话入侵的可能性越大。只要根据领域专家的经验,设置相应的阀值就可以自动地实现入侵报警。

一种大数据集上的非线性PSVM训练方法

PSVM作为一种新型SVM方法,避免了求解二次规划问题,具有更快的计算速度,但对于大规模数据集,采用传统方法求解非线性PSVM面临大矩阵求逆的困难。文章基于共轭梯度法结合低秩估计提出了一个大数据集上的非线性PSVM训练方法NPSVM-LD,通过多次迭代的矩阵乘积运算避免了对大矩阵的求逆。在UCI数据集上的实验表明,该方法能够在应用非线性核函数条件下,使PSVM有效处理规模在10000以内的训练集的情况。

一种支持实时业务的新型以太网协议的研究

文中提出了一种新型以太网协议———动态时分排序协议。对它进行了简要描述和性能仿真。并且与以太网CSMA/CD协议进行了性能比较。