基于SOA的特征表達(dá)和分析技術(shù).pdf_第1頁(yè)
已閱讀1頁(yè),還剩55頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(jiǎn)介

1、近年來(lái),隨著計(jì)算機(jī)網(wǎng)絡(luò)和通信行業(yè)的快速發(fā)展,網(wǎng)絡(luò)安全問(wèn)題也更加突出。個(gè)人隱私、商業(yè)信息、國(guó)家機(jī)密等信息在網(wǎng)絡(luò)上傳輸時(shí)要求具有高的安全保障。尤其作為具有開(kāi)放性、可復(fù)用和可互操作等優(yōu)點(diǎn)的新興體系架構(gòu)方法——面向服務(wù)的架構(gòu)(Service-Oriented Architecture, SOA),對(duì)其服務(wù)安全性提出了更高的要求。SOA傳統(tǒng)的安全技術(shù)有身份認(rèn)證、訪問(wèn)控制、信息加密、本地防火墻等,但這些安全技術(shù)具有局限性和不完備性,使計(jì)算機(jī)系統(tǒng)和網(wǎng)

2、絡(luò)達(dá)不到所要求的安全程度。近年來(lái)新一代入侵檢測(cè)技術(shù)已成為一種重要有效的安全手段,它能查找系統(tǒng)漏洞,實(shí)時(shí)發(fā)現(xiàn)新的非法入侵。各種新的安全技術(shù)相結(jié)合已成為入侵檢測(cè)技術(shù)的研究趨勢(shì)。
  本文通過(guò)深入研究人工免疫原理和模型,以及數(shù)據(jù)挖掘相關(guān)聚類方法,研究了這兩者與入侵檢測(cè)技術(shù)的關(guān)系,并將它們改進(jìn)后結(jié)合起來(lái)。以數(shù)據(jù)挖掘技術(shù)為手段,結(jié)合人工免疫網(wǎng)絡(luò)的成熟模型,研究分析了現(xiàn)有算法優(yōu)缺點(diǎn),改進(jìn)了傳統(tǒng)的聚類算法,得到新方法。具體過(guò)程是利用成熟的aiN

3、et網(wǎng)絡(luò)模型,從給定的一個(gè)抗原集合,找出抗體集合中冗余的數(shù)據(jù),進(jìn)行數(shù)據(jù)壓縮和聚類。同時(shí)對(duì)K-means聚類方法的主要參數(shù)進(jìn)行了針對(duì)性的改進(jìn),使其與aiNet結(jié)合的更好,因而提高了算法的聚類效果和收斂速度,并在實(shí)驗(yàn)中進(jìn)行了驗(yàn)證。
  本文將數(shù)據(jù)挖掘技術(shù)與入侵檢測(cè)技術(shù)相結(jié)合做法保留了人工免疫網(wǎng)絡(luò)模擬的生物免疫系統(tǒng)所具有的分布性、自組織、輕量性和多層次性等特點(diǎn),同時(shí)也有數(shù)據(jù)挖掘聚類方法這種典型的無(wú)監(jiān)督學(xué)習(xí)技術(shù)的優(yōu)點(diǎn)。這種方法可以在未標(biāo)記

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)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。

評(píng)論

0/150

提交評(píng)論