公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

基于增量式GHSOM神经网络的入侵检测方法: 本发明公开了一种基于增量式GHSOM神经网络的入侵检测方法，属于网络信息安全技术领域。本方法为：1)在线采集网络数据输入给入侵检测模块；2)入侵检测模块计算可检测当前向量x的获胜神经元t；3)如果t是覆盖神经元，且x与t...; 杨雅辉黄海珍沈晴霓吴中海夏敏阳时来

一种基于半监督GHSOM的入侵检测方法被引量：23: 2013年; 基于神经网络的入侵检测方法是入侵检测技术的一个重要发展方向.在已有无监督生长型分层自组织映射(growing hierarchical self-organizing maps,GHSOM)神经网络算法的基础上,提出了一种半监督GHSOM算法.该算法利用少量有标签的数据指导大规模无标签数据的聚类过程.一方面借鉴cop-kmeans半监督机制,解决了原始算法中返回空划分的问题,并将其应用到GHSOM算法中.另一方面提出了神经元信息熵的概念作为子网生长的判断条件,提高了GHSOM网络子网划分的精度.此外还利用有标签的数据自动确定聚类结果的入侵类型.对KDD Cup 1999数据集和LAN环境下模拟产生的数据集进行的入侵检测实验表明:相比于无监督的GHSOM算法,半监督的GHSOM算法对各种类型的攻击具有较高的检测率.; 阳时来杨雅辉沈晴霓黄海珍; 关键词：入侵检测聚类信息熵

一种基于半监督神经网络模型的入侵检测方法: 本发明公开了一种基于半监督神经网络模型的入侵检测方法，属于网络信息安全领域。本方法为：1)利用训练集A初始化GHSOM神经网络第0层神经元，并计算QE<Sub>0</Sub>；2)从第0层神经元中拓展出一SOM，并将其层...; 杨雅辉阳时来沈晴霓黄海珍夏敏

基于增量式GHSOM神经网络模型的入侵检测研究: 传统的网络入侵检测方法利用已知类型的攻击样本以离线的方式训练入侵检测模型,虽然对已知攻击类型具有较高的检测率,但是不能识别出网络上新出现的攻击类型.本文提出了一种基于增量式GHSOM神经网络模型的入侵检测方法,在不破坏已...; 杨雅辉黄海珍沈晴霓张英; 关键词：互联网安全神经网络模型增量式学习; 文献传递

基于增量式GHSOM神经网络模型的入侵检测研究被引量：82: 2014年; 传统的网络入侵检测方法利用已知类型的攻击样本以离线的方式训练入侵检测模型,虽然对已知攻击类型具有较高的检测率,但是不能识别网络上新出现的攻击类型.这样的入侵检测系统存在着建立系统的速度慢、模型更新代价高等不足,面对规模日益扩大的网络和层出不穷的攻击,缺乏自适应性和扩展性,难以检测出网络上新出现的攻击类型.文中对GHSOM(Growing Hierarchical Self-Organizing Maps)神经网络模型进行了扩展,提出了一种基于增量式GHSOM神经网络模型的网络入侵检测方法,在不破坏已学习过的知识的同时,对在线检测过程中新出现的攻击类型进行增量式学习,实现对入侵检测模型的动态扩展.作者开发了一个基于增量式GHSOM神经网络模型的在线网络入侵检测原型系统,在局域网环境下开展了在线入侵检测实验.实验结果表明增量式GHSOM入侵检测方法具有动态自适应性,能够实现在线检测过程中对GHSOM模型的动态更新,而且对于网络上新出现的攻击类型,增量式GHSOM算法与传统GHSOM算法的检测率相当.; 杨雅辉黄海珍沈晴霓吴中海张英; 关键词：增量式学习入侵检测

一种基于半监督神经网络模型的入侵检测方法: 本发明公开了一种基于半监督神经网络模型的入侵检测方法，属于网络信息安全领域。本方法为：1)利用训练集A初始化GHSOM神经网络第0层神经元，并计算QE<Sub>0</Sub>；2)从第0层神经元中拓展出一SOM，并将其层...; 杨雅辉阳时来沈晴霓黄海珍夏敏; 文献传递

基于增量式GHSOM神经网络的入侵检测方法: 本发明公开了一种基于增量式GHSOM神经网络的入侵检测方法，属于网络信息安全技术领域。本方法为：1)在线采集网络数据输入给入侵检测模块；2)入侵检测模块计算可检测当前向量x的获胜神经元t；3)如果t是覆盖神经元，且x与t...; 杨雅辉黄海珍沈晴霓吴中海夏敏阳时来; 文献传递

基于增量式GHSOM神经网络的入侵检测方法研究与实现: 入侵检测系统(IDS)是网络安全防御系统的重要组成部分。网络入侵检测系统是对传统安全机制的补充,可以通过分析系统日志、用户行为、应用程序日志以及网络数据包,发现是否有违反安全策略的行为或被攻击的迹象,识别出正在发生的入侵...; 黄海珍; 关键词：增量式学习入侵检测 B/S结构

全选清除导出

共1页<1>

黄海珍