基于机器学习的入侵检测方法性能评估

随着网络技术的快速发展,网络恶意攻击方式也逐渐增多,入侵检测系统被开发用于监控和预警企业网络运行状态,保证企业计算机系统的安全。由于现有自适应动态捕获恶意网络数据流的入侵检测系统通常会占用较大的计算机系统资源,为此,文章基于机器学习方法预测网络用户行为和网络数据流分类,针对采用的代表性方法进行对比研究和性能评估,提出能动态适应网络运行状况的轻量级入侵检测系统规则提取技术。

VANET中面向安全通信的隐私保护协议

车载网VANETs(vehicular ad hoc networks)的隐私安全问题,提出隐私保护安全通信协议PPSCP(privacy preserving secure communication protocol)。PPSCP匿名地认证安全消息,从而保护车辆隐私,阻止非法车辆跟踪,并且平衡了隐私与身份识别的关系。同时PPSCP采用了有效的撤销机制,降低了撤销列表的尺寸。此外,PPSCP能够防御重放攻击和拒绝服务攻击。通过与S3P的安全性能对比分析,结果表明,PPSCP有效地降低了安全消息处理时延,减少了撤销列表尺寸,占用带宽少,提高数据传输率。