版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的迅速發(fā)展,計(jì)算機(jī)網(wǎng)絡(luò)已經(jīng)滲透到各個(gè)領(lǐng)域,給人們的生活和學(xué)習(xí)帶來了極大的便利,但是隨之而來的是網(wǎng)絡(luò)的安全問題,網(wǎng)絡(luò)安全問題現(xiàn)已經(jīng)成為各國政府、企業(yè)和人民重點(diǎn)關(guān)注的問題。入侵檢測(cè)技術(shù)是網(wǎng)絡(luò)安全領(lǐng)域的研究重點(diǎn),入侵檢測(cè)系統(tǒng)是由軟件或者軟硬件結(jié)合構(gòu)成的系統(tǒng),放置在計(jì)算機(jī)網(wǎng)絡(luò)環(huán)境中,通過對(duì)計(jì)算機(jī)網(wǎng)絡(luò)中的關(guān)鍵點(diǎn)收集信息,然后對(duì)所采集的信息進(jìn)行分析檢測(cè),從而可以識(shí)別出對(duì)來自外部或者內(nèi)部對(duì)計(jì)算機(jī)網(wǎng)絡(luò)產(chǎn)生威脅的行為。入侵檢測(cè)系統(tǒng)是對(duì)傳
2、統(tǒng)安全技術(shù)的有效補(bǔ)充。然而目前的入侵檢測(cè)系統(tǒng)普遍存在檢測(cè)率低的缺點(diǎn),本文將模式識(shí)別中的分類器集成技術(shù)應(yīng)用到入侵檢測(cè)系統(tǒng),以提高檢測(cè)模塊的檢測(cè)率。
模式識(shí)別技術(shù)應(yīng)用于入侵檢測(cè)模塊,主要通過攻擊特征對(duì)網(wǎng)絡(luò)數(shù)據(jù)包進(jìn)行檢測(cè)識(shí)別。傳統(tǒng)的模式識(shí)別系統(tǒng)一般只采用一個(gè)分類器對(duì)樣本進(jìn)行識(shí)別,但是單個(gè)的分類器無法做到對(duì)所有的樣本都能正確地識(shí)別,多分類器系統(tǒng)能夠顯著提高識(shí)別率。但是,當(dāng)分類器數(shù)量很大時(shí),集成所有的分類器不僅占用過多的系統(tǒng)資源,而且還
3、可能造成識(shí)別率下降。通過一定的選擇策略,僅對(duì)部分分類器進(jìn)行集成,往往能得到更好的分類效果。選擇策略需要綜合考慮參與集成的分類器的準(zhǔn)確率和差異性。
本文首先介紹了入侵檢測(cè)的發(fā)展歷程和研究背景,對(duì)入侵檢測(cè)的定義、原理做了比較詳細(xì)的介紹,分析比較了各種不同入侵檢測(cè)技術(shù)的優(yōu)缺點(diǎn)。然后對(duì)分類器集成以及分類器集成的中的差異性進(jìn)行了介紹,提出了一種分類器差異性度量方法。利用該差異度并綜合考慮基分類器的準(zhǔn)確率,提出了一種分類器選擇集成方法,將
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多分類器集成的入侵檢測(cè)研究.pdf
- 基于選擇性集成學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測(cè)方法研究.pdf
- 基于多分類器組合的網(wǎng)絡(luò)入侵檢測(cè)方法研究.pdf
- 基于混淆矩陣的分類器選擇集成方法研究
- 基于混淆矩陣的分類器選擇集成方法研究.pdf
- 基于分類優(yōu)化算法的集成入侵檢測(cè)器設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于重采樣的級(jí)聯(lián)分類器入侵檢測(cè)研究.pdf
- 基于克隆選擇計(jì)算的入侵檢測(cè)方法研究.pdf
- 基于選擇性集成的入侵檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于免疫克隆選擇加權(quán)樸素貝葉斯分類器的網(wǎng)絡(luò)入侵檢測(cè).pdf
- 基于多分類器的入侵檢測(cè)技術(shù)研究.pdf
- 基于模糊分類的入侵檢測(cè).pdf
- 入侵檢測(cè)中的貝葉斯分類器的研究.pdf
- 基于特征選擇的集成學(xué)習(xí)在入侵檢測(cè)中的應(yīng)用.pdf
- 基于半監(jiān)督優(yōu)化分類的入侵檢測(cè)方法研究.pdf
- 基于近鄰的多分類器選擇集成分類方法及在號(hào)牌識(shí)別上應(yīng)用的研究.pdf
- 基于模糊分類的入侵檢測(cè)
- 基于數(shù)據(jù)流特征選擇及分類算法的入侵檢測(cè)模型研究.pdf
- 基于統(tǒng)計(jì)分類器的入侵檢測(cè)關(guān)鍵技術(shù)的研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)集成的入侵檢測(cè)研究.pdf
評(píng)論
0/150
提交評(píng)論