入侵檢測
- 基于ＳＳＡ 和ＥＬＭ 的醫(yī)院網(wǎng)絡(luò)入侵特征選擇與檢測分析
滿足醫(yī)院網(wǎng)絡(luò)入侵檢測高效、準確、可靠的檢測要求關(guān)鍵詞：SSA;ELM;醫(yī)院網(wǎng)絡(luò)：入侵檢測中圖法分類號：TP393文獻標識碼：A１ 引言隨著網(wǎng)絡(luò)技術(shù)的普及與應(yīng)用，各種網(wǎng)絡(luò)攻擊、非法入侵層出不窮，給網(wǎng)絡(luò)信息安全帶來了較大威脅。醫(yī)院內(nèi)部網(wǎng)絡(luò)一旦遭受非法入侵，容易造成患者隱私數(shù)據(jù)泄露、丟失，從而影響醫(yī)院正常運營，甚至引發(fā)嚴重的經(jīng)濟損失和社會影響。在網(wǎng)絡(luò)入侵檢測方面，對各種機器學習方法進行了研究，如采用布谷鳥算法和支持向量機實現(xiàn)入侵檢測，但僅在處理小樣本時可以達到較
計算機應(yīng)用文摘 2023年15期2023-08-09
- 基于ＳＳＡ 和ＥＬＭ 的醫(yī)院網(wǎng)絡(luò)入侵特征選擇與檢測分析
滿足醫(yī)院網(wǎng)絡(luò)入侵檢測高效、準確、可靠的檢測要求關(guān)鍵詞：SSA;ELM;醫(yī)院網(wǎng)絡(luò)：入侵檢測中圖法分類號：TP393文獻標識碼：A１ 引言隨著網(wǎng)絡(luò)技術(shù)的普及與應(yīng)用，各種網(wǎng)絡(luò)攻擊、非法入侵層出不窮，給網(wǎng)絡(luò)信息安全帶來了較大威脅。醫(yī)院內(nèi)部網(wǎng)絡(luò)一旦遭受非法入侵，容易造成患者隱私數(shù)據(jù)泄露、丟失，從而影響醫(yī)院正常運營，甚至引發(fā)嚴重的經(jīng)濟損失和社會影響。在網(wǎng)絡(luò)入侵檢測方面，對各種機器學習方法進行了研究，如采用布谷鳥算法和支持向量機實現(xiàn)入侵檢測，但僅在處理小樣本時可以達到較
計算機應(yīng)用文摘·觸控 2023年15期2023-08-09
- 基于增量式?jīng)Q策樹算法在入侵檢測中的研究
了更好地提高入侵檢測的準確率，節(jié)省檢測時間，文章提出了一種基于增量式的決策樹檢測算法。該方法采用了基于粒度決策熵和改進的主成分分析方法對數(shù)據(jù)集中的冗余以及不相關(guān)屬性進行歸類、降維。該方法將數(shù)據(jù)挖掘增量學習技術(shù)與決策樹分類算法相結(jié)合，在屬性降維后的決策樹基礎(chǔ)上，對于新的測試樣本實例，引入擴展貝葉斯結(jié)點，比較貝葉斯分類方法與決策樹分類方法的準確率，返回更新后的決策樹。針對屬性降維，主成分分析方法在約簡屬性的基礎(chǔ)上，能夠有攻擊分類結(jié)果準確率高、耗時少的特點。將增
無線互聯(lián)科技 2023年7期2023-06-25
- 惡意登錄攻擊檢測方法綜述
：惡意登錄；入侵檢測；閾值中圖分類號：TP309? 文獻標識碼：A? 文章編號：2096-4706（2023）05-0094-04Overview of Malicious Login Attack Detection MethodZHANG Lei1， ZHANG Hongde1， LI Jinzhen2（1.School of Communications Noncommissioned Officers， Army Engineering Unive
現(xiàn)代信息科技 2023年5期2023-06-22
- 基于Snort的BM模式匹配算法的改進
濟損失。網(wǎng)絡(luò)入侵檢測系統(tǒng)（ NIDS）是網(wǎng)絡(luò)安全的重要組成部分之一，開源入侵檢測軟件通過活躍的社區(qū)和研究者們不斷更新來應(yīng)對這快速發(fā)展的網(wǎng)絡(luò)環(huán)境。文章介紹了BoVer-Moore字符串匹配算法，并提出一種改進的BM算法，并基于Snon入侵檢測系統(tǒng)實現(xiàn)并驗證改進算法，實驗表明改進的算法提高了模式匹配效率。關(guān)鍵詞：入侵檢測：BM算法：Snort中圖分類號：TP393. 08文獻標志碼：A0 引言隨著互聯(lián)網(wǎng)技術(shù)在工業(yè)控制系統(tǒng)（ICS）中的廣泛應(yīng)用．工控系統(tǒng)被網(wǎng)絡(luò)攻
無線互聯(lián)科技 2023年4期2023-06-22
- 人工智能技術(shù)在網(wǎng)絡(luò)信息安全中的應(yīng)用策略
絡(luò)信息安全；入侵檢測；安全防御專業(yè)數(shù)據(jù)統(tǒng)計顯示，我國的人工智能產(chǎn)業(yè)當前已經(jīng)進入快速發(fā)展階段，從2015年開始穩(wěn)定增長，到2018年增長率已經(jīng)超過54%，當前已經(jīng)完成100%的超越。這也說明我國當前人工智能技術(shù)逐漸趨于成熟并開始廣泛應(yīng)用于我國各行業(yè)領(lǐng)域。但是隨著人工智能技術(shù)的發(fā)展，網(wǎng)絡(luò)安全問題開始凸顯，在大數(shù)據(jù)時代，信息安全成為網(wǎng)絡(luò)管理的關(guān)鍵，如何利用人工智能技術(shù)加強網(wǎng)絡(luò)安全管理，促進人工智能時代的穩(wěn)步推進是當前科技領(lǐng)域需要解決的關(guān)鍵問題。1網(wǎng)絡(luò)信息安全管理
計算機應(yīng)用文摘·觸控 2023年10期2023-06-02
- 云環(huán)境下基于模糊C均值的入侵檢測系統(tǒng)
詞：云計算；入侵檢測；特征選擇；模糊C均值1引言云計算是IT領(lǐng)域中一種按需取用及付費的全新商業(yè)模式。云計算因其節(jié)約成本、維護方便、配置靈活，能夠應(yīng)對大數(shù)據(jù)時代的產(chǎn)生的IT資源問題，已經(jīng)成為企業(yè)、個人等優(yōu)先選擇的一項服務(wù)。然而，云計算其巨大的市場對入侵者也有著巨大的誘惑力。由于規(guī)模巨大、結(jié)構(gòu)復雜、用戶繁多，其潛在攻擊面較大，網(wǎng)絡(luò)安全機制亟待完善，云環(huán)境相應(yīng)的安全問題也呈直線上升趨勢。本文將聚類分析應(yīng)用到云環(huán)境中檢測異常流量數(shù)據(jù)，是對入侵檢測系統(tǒng)的一種完善。2
計算機應(yīng)用文摘 2023年5期2023-05-30
- 云環(huán)境下基于模糊C均值的入侵檢測系統(tǒng)
詞：云計算；入侵檢測；特征選擇；模糊C均值1引言云計算是IT領(lǐng)域中一種按需取用及付費的全新商業(yè)模式。云計算因其節(jié)約成本、維護方便、配置靈活，能夠應(yīng)對大數(shù)據(jù)時代的產(chǎn)生的IT資源問題，已經(jīng)成為企業(yè)、個人等優(yōu)先選擇的一項服務(wù)。然而，云計算其巨大的市場對入侵者也有著巨大的誘惑力。由于規(guī)模巨大、結(jié)構(gòu)復雜、用戶繁多，其潛在攻擊面較大，網(wǎng)絡(luò)安全機制亟待完善，云環(huán)境相應(yīng)的安全問題也呈直線上升趨勢。本文將聚類分析應(yīng)用到云環(huán)境中檢測異常流量數(shù)據(jù)，是對入侵檢測系統(tǒng)的一種完善。2
計算機應(yīng)用文摘·觸控 2023年5期2023-03-22
- 基于隨機森林的集成學習入侵檢測方法
：為解決網(wǎng)絡(luò)入侵檢測效果不佳的問題，提出一種基于隨機森林的集成學習入侵檢測方法。通過K-means和SMOTE處理數(shù)據(jù)集獲得相關(guān)度高的平衡數(shù)據(jù)子集，隨機森林選擇出最優(yōu)的特征子集，基于樹的集成學習方法分類結(jié)果。本文采用CICIDS2017數(shù)據(jù)集進行本文方法可行性的研究，結(jié)果表明本文提出的方法相比傳統(tǒng)的單一機器學習方法具備更高的檢測精度和更低的時間開銷。關(guān)鍵詞：隨機森林;集成學習;入侵檢測;機器學習中圖分類號：TP18? ? ? 文獻標識碼：A文章編號：100
電腦知識與技術(shù) 2022年19期2022-08-31
- 電力監(jiān)控系統(tǒng)現(xiàn)場運維安全管控系統(tǒng)研究
;數(shù)據(jù)加密;入侵檢測中圖分類號：TM63 文獻標識碼：A 文章編號：1001-5922（2022）07-0180-04Research on safety control system for power monitoring systemon-site operation and maintenanceCHEN Gang TAO Wenwei ZHENG Weiwen（1. China Southern Power Grid Co.， Ltd.， G
粘接 2022年7期2022-07-19
- 入侵檢測技術(shù)在計算機網(wǎng)絡(luò)安全防護中的應(yīng)用探析
的網(wǎng)絡(luò)環(huán)境。入侵檢測技術(shù)作為一種關(guān)鍵性的網(wǎng)絡(luò)安防手段，己成為網(wǎng)絡(luò)安全相關(guān)領(lǐng)域研究的熱點，對解決當前計算機網(wǎng)絡(luò)中存在的安全問題發(fā)揮了十分重要的作用。關(guān)鍵詞：入侵檢測;計算機網(wǎng)絡(luò);安全防護;應(yīng)用研究1入侵檢測技術(shù)原理入侵檢測技術(shù)是一種保護計算機網(wǎng)絡(luò)安全的關(guān)鍵性技術(shù)，能夠及時識別網(wǎng)絡(luò)中存在的多種不安全現(xiàn)象并迅速作出反應(yīng)。入侵檢測技術(shù)可通過監(jiān)聽、識別、記錄、分析用戶及系統(tǒng)行為，對收集到的計算機數(shù)據(jù)和文件進行分析，將異常問題和行為向相關(guān)系統(tǒng)發(fā)出警報，并作出反饋和阻擋
科學與財富 2022年4期2022-07-16
- 基于關(guān)聯(lián)規(guī)則的網(wǎng)絡(luò)安全入侵檢測方法
目前網(wǎng)絡(luò)安全入侵檢測時效性與準確性不理想的問題文章提出了基于關(guān)聯(lián)規(guī)則的網(wǎng)絡(luò)安全入侵檢測方法。首先將網(wǎng)絡(luò)數(shù)據(jù)映射到同一維度提取計算機網(wǎng)絡(luò)運行數(shù)據(jù)特征;在此基礎(chǔ)上最后利用相關(guān)性因子計算網(wǎng)絡(luò)數(shù)據(jù)的相似度通過設(shè)置閾值判斷網(wǎng)絡(luò)運行數(shù)據(jù)的相似度大小;對網(wǎng)絡(luò)數(shù)據(jù)進行聚類處理以實現(xiàn)網(wǎng)絡(luò)數(shù)據(jù)的預處理。最后利用關(guān)聯(lián)規(guī)則方法挖掘網(wǎng)絡(luò)入侵數(shù)據(jù)實現(xiàn)入侵檢測。實驗發(fā)現(xiàn)文章所設(shè)計的方法具有較高的響應(yīng)度耗時較短且準確率較高為后續(xù)的深度挖掘網(wǎng)絡(luò)安全入侵節(jié)點提供了理論基礎(chǔ)與參考價值。關(guān)鍵詞：
計算機應(yīng)用文摘·觸控 2022年10期2022-07-05
- 計算機信息管理技術(shù)在網(wǎng)絡(luò)安全中的應(yīng)用
密、防火墻和入侵檢測等方面，就計網(wǎng)絡(luò)安全中應(yīng)用計算機信息管理技術(shù)的策略加以探討。關(guān)鍵詞：網(wǎng)絡(luò)安全;計算機信息管理技術(shù);訪問控制;入侵檢測中圖分類號：TP393? ? ? 文獻標識碼：A文章編號：1009-3044（2022）08-0040-02近年來，網(wǎng)絡(luò)快速普及與發(fā)展，已然成為現(xiàn)代社會中不可或缺的重要組成部分，關(guān)系到人們的生活與工作，直接影響現(xiàn)代社會的正常運行、和諧穩(wěn)定。要想保障網(wǎng)絡(luò)安全，需要全方位保障網(wǎng)絡(luò)的物理安全、網(wǎng)絡(luò)結(jié)構(gòu)安全、系統(tǒng)安全、應(yīng)用安全、管
電腦知識與技術(shù) 2022年8期2022-06-03
- 一種基于擴展攻擊鏈和循環(huán)神經(jīng)網(wǎng)絡(luò)的高級持續(xù)性威脅檢測方法
持續(xù)性威脅 入侵檢測 網(wǎng)絡(luò)攻擊鏈 循環(huán)神經(jīng)網(wǎng)絡(luò)中圖分類號：TP31 文獻標識碼：A 文章編號：1007-0745（2022）01-0010-041 前言近年高級可持續(xù)威脅（Advanced Persistent Threat，APT）逐漸引起人們的關(guān)注。APT攻擊也稱為定向攻擊，通常是具有高水平專業(yè)知識和豐富資源的組織對特定重要對象開展的持續(xù)的網(wǎng)絡(luò)攻擊活動，相較于傳統(tǒng)的網(wǎng)絡(luò)攻擊模式更加難以防范，造成的危害更加嚴重[1]。傳統(tǒng)的防御方法，如入侵檢測、防火墻等
科海故事博覽·中旬刊 2022年1期2022-01-18
- 基于卷積神經(jīng)網(wǎng)絡(luò)ResNeXt結(jié)構(gòu)的入侵檢測研究
習應(yīng)用于網(wǎng)絡(luò)入侵檢測，從卷積神經(jīng)網(wǎng)絡(luò)中的殘差網(wǎng)絡(luò)ResNet結(jié)構(gòu)之后主要通過聯(lián)合使用多種優(yōu)化策略的方式進行改進，較少關(guān)注新模型的使用。因此，提出了一種基于ResNeXt結(jié)構(gòu)的網(wǎng)絡(luò)入侵檢測模型，使用NSL-KDD數(shù)據(jù)集進行了二分類實驗，驗證了所提模型相對同樣使用二維卷積的經(jīng)典CNN結(jié)構(gòu)模型具備一定的優(yōu)勢，且能保持合理的模型復雜度，表明所提模型算法的合理性，也為今后網(wǎng)絡(luò)入侵檢測的研究提供了又一種可選用的基礎(chǔ)模型。關(guān)鍵詞：入侵檢測;ResNeXt;深度學習;NS
電腦知識與技術(shù) 2021年28期2021-11-28
- 基于BiGRU的入侵檢測模型
傳統(tǒng)機器學習入侵檢測算法準確率較低和泛化能力較弱的現(xiàn)象，提出了一種基于BiGRU結(jié)合Batch Normalization機制、DropOut算法的網(wǎng)絡(luò)入侵檢測方法。該方法采用BiGRU網(wǎng)絡(luò)提取數(shù)據(jù)特征，利用Batch Normalization機制和DropOut算法的優(yōu)點對數(shù)據(jù)進行歸一化，并對神經(jīng)元進行隨機失活，增強模型泛化能力，最后使用softmax對結(jié)果進行分類。在公開數(shù)據(jù)集NSL-KDD上的結(jié)果顯示，與RNN及CNN入侵檢測方法相比，在二分類檢測
電腦知識與技術(shù) 2021年26期2021-10-18
- 基于機器學習的互聯(lián)網(wǎng)入侵檢測探討
方向。針對于入侵檢測的相關(guān)研究可以加入機器學習，利用大數(shù)據(jù)的處理能力增加識別網(wǎng)絡(luò)入侵的檢測能力。通過設(shè)計適當?shù)臋C器學習方式來讓其自動更新檢索方法，從而有效地對入侵檢測系統(tǒng)進行持續(xù)升級，對互聯(lián)網(wǎng)安全起到更好的保護作用。本文通過研究機器學習等相關(guān)內(nèi)容，對提升入侵檢測的研究做出一些借鑒。關(guān)鍵詞：機器學習;互聯(lián)網(wǎng);入侵檢測保障網(wǎng)絡(luò)安全，維護互聯(lián)網(wǎng)系統(tǒng)的和諧發(fā)展。需要建立一個安全的網(wǎng)絡(luò)保護系統(tǒng)來維持整個互聯(lián)網(wǎng)系統(tǒng)的運行?？梢酝ㄟ^入侵檢測模型來檢測外來入侵攻擊。互聯(lián)網(wǎng)
科技研究 2021年21期2021-10-12
- 基于增量集成學習的動態(tài)自適應(yīng)SDN入侵檢測
式識別的網(wǎng)絡(luò)入侵檢測由于無法一次性收集完備的訓練數(shù)據(jù)集，使得對未知的入侵行為識別率不高。為提高入侵檢測系統(tǒng)的自適應(yīng)性，提出了增量集成學習算法，并用該算法解決SDN入侵檢測問題。該算法利用滑動窗口法獲得數(shù)據(jù)塊，對新的數(shù)據(jù)塊進行訓練獲得子分類器，然后依據(jù)在歷史數(shù)據(jù)塊和當前數(shù)據(jù)塊的分類結(jié)果篩選子分類器進行集成，使得分類模型不斷完善從而能夠自適應(yīng)的識別未知攻擊行為。通過在NSL-KDD數(shù)據(jù)集上的實驗結(jié)果可以看到，該算法可以提高未知攻擊的識別率。關(guān)鍵詞：增量學習;集
計算技術(shù)與自動化 2021年3期2021-10-01
- 數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)入侵檢測中的應(yīng)用
題備受關(guān)注。入侵檢測技術(shù)的日趨成熟，已經(jīng)從簡單的靜態(tài)安全檢測發(fā)展到動態(tài)安全檢測，并在計算機安全防護領(lǐng)域占有一席之地。數(shù)據(jù)挖掘技術(shù)在智能獲取海量數(shù)據(jù)中的可用信息領(lǐng)域具備明顯優(yōu)勢。本文將相關(guān)技術(shù)引入到入侵檢測中，大幅度提高了入侵檢測的效率，并實現(xiàn)了智能化。關(guān)鍵詞：數(shù)據(jù)挖掘? 網(wǎng)絡(luò)入侵? 入侵檢測? 網(wǎng)絡(luò)安全中圖分類號：TP393.08;TP311.13? ? ? 文獻標識碼：A文章編號：1674-098X（2021）05（b）-0112-04Applicati
科技創(chuàng)新導報 2021年14期2021-09-16
- 高校計算機網(wǎng)絡(luò)安全技術(shù)及其應(yīng)用
;數(shù)據(jù)挖掘;入侵檢測0? ? 引言高校構(gòu)建信息安全防護體系成為解決網(wǎng)絡(luò)安全問題的關(guān)鍵，在高校中利用技術(shù)手段，構(gòu)建完整的網(wǎng)絡(luò)信息安全解決方案，建立入侵檢測系統(tǒng)的網(wǎng)絡(luò)安全防護體系等，可以有效地提高高校網(wǎng)絡(luò)安全性[1]。1? ? 高校校園網(wǎng)絡(luò)安全問題1.1? 高校校園網(wǎng)網(wǎng)絡(luò)安全建設(shè)現(xiàn)狀校園網(wǎng)絡(luò)基礎(chǔ)設(shè)施建設(shè)非常重要，所以必須加大校園網(wǎng)絡(luò)建設(shè)方面的投入，用于實現(xiàn)基礎(chǔ)設(shè)施改造、主干帶寬提升等。目前，校園網(wǎng)中的主干帶寬通?？梢詫崿F(xiàn)100 M光纖桌面以及1 000 M光纖
無線互聯(lián)科技 2021年10期2021-09-13
- 基于SDN技術(shù)的校園網(wǎng)易被攻擊區(qū)域識別
被攻擊區(qū)域;入侵檢測;融合分布;特征辨識度Identification of Attacked Area of Campus NetworksVulnerable Areas Based on SDN TechnologyLiu Jiangping（Anhui SanLian University， Hefei 230601， China）【Abstract】? ? In order to improve the security of campus ne
廊坊師范學院學報(自然科學版) 2021年2期2021-09-10
- SDN中基于LightGBM算法的入侵檢測研究
網(wǎng)絡(luò)中傳統(tǒng)的入侵檢測效率較低，為提高網(wǎng)絡(luò)入侵檢測的效率和準確性，本文提出一種基于LightGBM算法的入侵檢測模型。針對LightGBM算法準確性高、速度快可以處理高維數(shù)據(jù)等特點，采用LightGBM算法建模對入侵數(shù)據(jù)特征分析處理，然后與隨機森林、XGBoost、LSTM、SVM和邏輯回歸算法對比效果，最后對網(wǎng)格搜索算法進行改進，提高網(wǎng)格搜索算法優(yōu)化模型參數(shù)的效率。通過實驗分析，在模型的精確率、F1值，AUC值等評估指標上都有較好的效果，驗證了本文所提方法
中國新通信 2021年14期2021-09-08
- 基于人工智能的網(wǎng)絡(luò)空間防御技術(shù)
絡(luò)協(xié)議攻擊、入侵檢測、網(wǎng)絡(luò)異常行為的檢測方案，分析了基于人工智能的網(wǎng)絡(luò)防御系統(tǒng)的優(yōu)勢以及未來前景。關(guān)鍵詞：人工智能;網(wǎng)絡(luò)防御;入侵檢測;深度學習中圖分類號：TP393文獻標志碼：A文章編號：1008-1739（2021）12-57-4Cyberspace Defense Technology Based on Artificial IntelligenceZHAO Binhua，YANG Guorui，JIA Zhe（The 54th Research I
計算機與網(wǎng)絡(luò) 2021年12期2021-08-16
- 基于LSTM的CAN總線入侵檢測
;異常檢測;入侵檢測;車聯(lián)網(wǎng)文章編號： 2095-2163（2021）03-0038-06 中圖分類號：U463.6 文獻標志碼：A【Abstract】Combining with the specific definition of message data field signal in CAN matrix， the paper extracts features， trains LSTM network to predict some import
智能計算機與應(yīng)用 2021年3期2021-08-09
- 基于入侵監(jiān)測的網(wǎng)絡(luò)信息安全管理技術(shù)探討
?！絷P(guān)鍵詞：入侵檢測;網(wǎng)絡(luò)信息;安全管理在現(xiàn)代社會中，網(wǎng)絡(luò)的發(fā)達讓很多違法人員有了可乘之機，他們通過非法的方式將木馬病毒進行隱藏，再對計算機植入該木馬，對企業(yè)的信息進行機密信息的盜竊。很多現(xiàn)代企業(yè)在遇到信息內(nèi)容被盜取的情況時，都缺乏對入侵行為的正確了解，這里就不得不提到現(xiàn)代入侵監(jiān)測技術(shù)，通過入侵監(jiān)測技術(shù)可以有效的對入侵行為進行清晰的判斷，并對其后續(xù)行動進行展開。對于現(xiàn)代網(wǎng)絡(luò)信息的安全管理有著十分重要的意義。1入侵監(jiān)測技術(shù)的概念1.1入侵監(jiān)測的作用入侵監(jiān)測技
速讀·下旬 2021年1期2021-07-28
- 基于RFE+SVM的卷積神經(jīng)網(wǎng)絡(luò)在入侵檢測方面的應(yīng)用
：神經(jīng)網(wǎng)絡(luò)在入侵檢測方向的使用已經(jīng)是入侵檢測領(lǐng)域的熱門發(fā)展方向。傳統(tǒng)入侵檢測方法如機器學習、數(shù)據(jù)挖掘、統(tǒng)計分析等都具有一定局限性。通過引入基于RFE+SVM降維的卷積神經(jīng)網(wǎng)絡(luò)算法，從Python的深度學習庫（tensorflow）出發(fā)，搭建出一類基于卷積神經(jīng)網(wǎng)絡(luò)的入侵檢測數(shù)據(jù)分類模型。通過數(shù)據(jù)集對比及實驗證明，該模型有效且穩(wěn)定的提高了對異常數(shù)據(jù)的判別率，并可發(fā)現(xiàn)未知的攻擊類型。關(guān)鍵詞：入侵檢測;RFE+SVM;tensorflow;卷積神經(jīng)網(wǎng)絡(luò);未知攻擊中
電腦知識與技術(shù) 2021年13期2021-07-19
- 網(wǎng)絡(luò)空間安全實訓設(shè)計
;網(wǎng)絡(luò)攻防;入侵檢測Abstract： In order to ensure the security of cyberspace， it is necessary to strengthen the construction of cyberspace security talent team. Practice training is an important means to train students into high-quality comp
電腦知識與技術(shù) 2021年5期2021-04-13
- 基于深度學習的網(wǎng)絡(luò)入侵檢測方法研究
擊的研究中，入侵檢測作為保證網(wǎng)絡(luò)安全的一道防線，起著至關(guān)重要的作用。針對當前入侵檢測收集的各類數(shù)據(jù)集中存在的數(shù)據(jù)不平衡問題，提出了一種基于深度學習的平衡數(shù)據(jù)生成模型，利用數(shù)據(jù)生成模型生成平衡數(shù)據(jù)集，使用這個模型框架進行入侵檢測，最終保證網(wǎng)絡(luò)數(shù)據(jù)鏈絡(luò)的安全?！娟P(guān)鍵詞】入侵檢測;深度學習;異常檢測中圖分類號：G221? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ?DOI：10.12246/j.issn.1673-
衛(wèi)星電視與寬帶多媒體 2021年1期2021-04-06
- 基于SGAN的網(wǎng)絡(luò)入侵異常檢測方法研究
AN用于網(wǎng)絡(luò)入侵檢測，基于nsl-kdd數(shù)據(jù)集進行對比實驗來證明，SGAN的模型相比有監(jiān)督模型，對含有未知攻擊的測試集有更高的檢測準確率。關(guān)鍵詞：入侵檢測;半監(jiān)督模型;未知攻擊中圖分類號：TP311? ? ? 文獻標識碼：A文章編號：1009-3044（2020）32-0073-031 引言目前主流的網(wǎng)絡(luò)入侵異常檢測方法基于有監(jiān)督模型，在訓練和檢測過程中存在著不能有效檢測未知攻擊的問題。半監(jiān)督或無監(jiān)督模型是克服以上問題的有效方法。本文提出一種使用半監(jiān)督生成
電腦知識與技術(shù) 2020年32期2020-12-29
- 基于深度學習的網(wǎng)絡(luò)入侵防御技術(shù)研究
于深度學習的入侵檢測手段，并闡述了入侵防御系統(tǒng)的設(shè)計方法。首先，介紹了目前網(wǎng)絡(luò)入侵防御所面臨的嚴峻形勢;其次，闡述了網(wǎng)絡(luò)入侵檢測與網(wǎng)絡(luò)入侵防御中的框架性問題;再次，詳細闡述了基于深度學習的入侵檢測算法的設(shè)計方法，并闡述了入侵防御設(shè)計的要點，最后，入侵檢測算法的有效性和準確性通過仿真進行了驗證。仿真結(jié)果表明所設(shè)計的算法能夠?qū)碗s的入侵數(shù)據(jù)具有較高的威脅檢測準確度，測試數(shù)據(jù)集對按照公式計算最終測得的檢測率為95.22%和誤報率為0.67%。關(guān)鍵詞：入侵防御;深
微型電腦應(yīng)用 2020年11期2020-12-23
- 基于網(wǎng)絡(luò)流量分類的入侵檢測研究
要 近年來入侵檢測模型在多分類任務(wù)中存在著分類準確性低的問題，并且受到數(shù)據(jù)集中攻擊類型有限等因素的影響，本文借助深度學習方法，設(shè)計一種卷積神經(jīng)網(wǎng)絡(luò)（簡稱CNN）和長短時記憶循環(huán)神經(jīng)網(wǎng)絡(luò)（簡稱LSTM）結(jié)合的用于網(wǎng)絡(luò)流量分類的入侵檢測模型。關(guān)鍵詞 入侵檢測;深度學習;流量分類引言隨著物聯(lián)網(wǎng)和5G的興起，一些新的網(wǎng)絡(luò)攻擊層出不窮，全球網(wǎng)絡(luò)安全態(tài)勢依舊嚴峻，網(wǎng)絡(luò)空間安全防護工作仍然任重而道遠。通過對網(wǎng)絡(luò)流量進行研究和分類，及時發(fā)現(xiàn)網(wǎng)絡(luò)中的異常流量，提高入侵檢測
科學與信息化 2020年32期2020-12-23
- 基于改進細菌覓食算法優(yōu)化的入侵檢測研究
覓食算法優(yōu)化入侵檢測，仿真證明可以提高異常檢測率[1]。關(guān)鍵詞 入侵檢測;細菌覓食算法;網(wǎng)絡(luò)安全網(wǎng)絡(luò)入侵一般是由惡意代碼引發(fā)的，導致網(wǎng)絡(luò)癱瘓，數(shù)據(jù)泄露，入侵檢測是解決該問題的常用方法。常用的入侵檢測技術(shù)有神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)等，其中神經(jīng)網(wǎng)絡(luò)因性能更好而受歡迎。但是神經(jīng)網(wǎng)絡(luò)的初始參數(shù)影響了算法的檢測率，本文提出細菌覓食算法的改進，對神經(jīng)網(wǎng)絡(luò)的參數(shù)進行優(yōu)化[2]。1細菌覓食算法簡介1.1 細菌覓食算法細菌覓食算法是進化算法，包含趨化、繁殖、遷移三種行為，趨化行為
科學與信息化 2020年32期2020-12-23
- 基于ResNet和雙向LSTM融合的物聯(lián)網(wǎng)入侵檢測分類模型構(gòu)建與優(yōu)化研究
為提高物聯(lián)網(wǎng)入侵檢測模型的綜合性能，將殘差神經(jīng)網(wǎng)絡(luò)（Residual Networks，ResNet）與雙向長短時記憶（Long-Short Term Memory，LSTM）網(wǎng)絡(luò)融合，構(gòu)建物聯(lián)網(wǎng)入侵檢測分類模型.針對大規(guī)模物聯(lián)網(wǎng)流量快速批量處理問題，在對原始數(shù)據(jù)進行清洗、轉(zhuǎn)換等預處理基礎(chǔ)上，提出將多條流量樣本轉(zhuǎn)換為灰度圖，并利用基于ResNet和雙向LSTM融合的深度學習方法構(gòu)建物聯(lián)網(wǎng)入侵檢測分類模型.對分類模型的網(wǎng)絡(luò)結(jié)構(gòu)、可復用性進行綜合優(yōu)化實驗，得到
湖南大學學報·自然科學版 2020年8期2020-12-21
- 自建入侵檢測系統(tǒng)與防火墻聯(lián)動策略的實現(xiàn)方法研究
出了一種自建入侵檢測系統(tǒng)與防火墻聯(lián)動策略的實現(xiàn)方法來實現(xiàn)該類網(wǎng)站中心的基本防護。利用Libnids庫進行二次開發(fā)實現(xiàn)了自建入侵檢測系統(tǒng)與防火墻聯(lián)動，該策略在進行監(jiān)聽網(wǎng)絡(luò)通信期間，當察覺到可疑的活動，系統(tǒng)就會自動設(shè)置新的防火墻規(guī)則，阻止與可疑IP主機間的全部連接。實驗證明，通過硬件、軟件的配合，可以有效對不符合規(guī)定的行為進行即時阻斷和記錄。關(guān)鍵詞：入侵檢測;防火墻聯(lián)動策略;Libnids;主動防御1? 引言目前，在全球信息化的同時，各種攻擊、防護技術(shù)和方法（
科學與財富 2020年30期2020-12-14
- 一種基于多層決策樹分類的入侵檢測方法
技術(shù)在應(yīng)用于入侵檢測時，會因為待識別的用戶行為類型的增加，造成分類性能的下降，從而影響檢測的準確率。針對這一問題，本文研究了數(shù)據(jù)記錄類型所存在的層次性現(xiàn)象，并據(jù)此提出了一種多層分類方法，以減少分類算法所需要識別的記錄類型。以決策樹為分類算法，使用該方法對KDD_Cup_99數(shù)據(jù)集訓練多層分類模型，取得了良好的分類性能，特別是明顯改善了小比例樣本的識別性能。關(guān)鍵詞：入侵檢測; 分類; 決策樹; 類型層次; 多層分類模型中圖分類號：TP393文獻標識碼： A文
貴州大學學報（自然科學版） 2020年5期2020-11-02
- 基于聚類和非對稱自編碼的低頻攻擊檢測方法
針對傳統(tǒng)網(wǎng)絡(luò)入侵檢測方法無法有效檢測高維網(wǎng)絡(luò)下的低頻攻擊問題，提出一種結(jié)合聚類方法與非對稱堆疊去噪自動編碼器（ASDA）進行改進的入侵檢測方法。該方法首先利用非對稱堆疊去噪自動編碼器對網(wǎng)絡(luò)入侵數(shù)據(jù)進行數(shù)據(jù)特征提取和降維的操作，將輸出結(jié)果進行重構(gòu)平衡。將平衡重構(gòu)后的數(shù)據(jù)集作為輸入，利用改進K均值和密度聚類 （DBSCAN）相結(jié)合的聚類分析技術(shù)進行特征選擇，將選擇后的特征數(shù)據(jù)作為輸入，利用淺層學習分類器隨機森林（RF）進行分類識別。實驗結(jié)果證明，該文方法與傳統(tǒng)
現(xiàn)代電子技術(shù) 2020年20期2020-10-22
- 計算機網(wǎng)絡(luò)技術(shù)結(jié)構(gòu)的改進與應(yīng)用
絡(luò)技術(shù)結(jié)構(gòu);入侵檢測1 計算機網(wǎng)絡(luò)的技術(shù)結(jié)構(gòu)的幾個理論問題1.1 計算機網(wǎng)絡(luò)的組成計算機網(wǎng)絡(luò)是由一系列計算機、終端、節(jié)點及連接節(jié)點的線路組成。一般情況下，過多臺網(wǎng)絡(luò)互連設(shè)備才能把不同地域的兩臺計算機的連接實現(xiàn)網(wǎng)絡(luò)化，信息傳輸通過存儲轉(zhuǎn)發(fā)方式來實現(xiàn)。從邏輯上計算機網(wǎng)絡(luò)是一個資源子網(wǎng)、通信子網(wǎng)構(gòu)成的兩級結(jié)構(gòu)的計算機網(wǎng)絡(luò)。主機、終端、連網(wǎng)外設(shè)、軟件、信息資源五部分組成了資源子網(wǎng)，主要任務(wù)是完成數(shù)據(jù)處理、提供資源共享、網(wǎng)絡(luò)服務(wù)。結(jié)點交換機、通信線路、通信設(shè)備三部分
教育周報·教育論壇 2020年16期2020-10-21
- 入侵檢測系統(tǒng)中模式匹配算法的研究
出模式匹配在入侵檢測系統(tǒng)中使用的原理及特點在分析了常見的單模式匹配和多模式匹配算法之后，將模式匹配方法應(yīng)用在誤用入侵檢測系統(tǒng)中，去完成對已知攻擊的檢測.基于模式匹配的入侵檢測系統(tǒng)具有較低的虛警率，但要想提高入侵檢測系統(tǒng)的性能，必須對模式匹配算法做進一步的改進關(guān)鍵詞：入侵檢測;模式匹配;誤用入侵檢測;攻擊;虛警率中圖分類號：TP393文獻標識碼：A文章編號：1006-8228（2020）09-81-03Research on pattern matching
計算機時代 2020年9期2020-10-09
- 移動自組網(wǎng)網(wǎng)絡(luò)安全技術(shù)簡述
層安全技術(shù)、入侵檢測、安全路由、密鑰管理、信譽管理體制五個方面。關(guān)鍵詞 物理層安全;入侵檢測;安全路由;密鑰管理前言移動自組網(wǎng)是一種不依賴于固定基礎(chǔ)設(shè)施且無中心的網(wǎng)絡(luò)，該網(wǎng)絡(luò)能夠自行組網(wǎng)，其中的每個節(jié)點可以同時具有終端和路由器的作用。移動自組網(wǎng)主要應(yīng)用于抗險救災(zāi)、應(yīng)急反恐、軍事通信等特殊環(huán)境下，有著無可取代的地位。同時，網(wǎng)絡(luò)安全是移動自組網(wǎng)特別關(guān)注的領(lǐng)域。移動自組網(wǎng)的機密性、完整性、可用性、安全認證以及抗抵賴性相對于有固定基礎(chǔ)設(shè)施的無線網(wǎng)絡(luò)有著特殊的意義：
科學與信息化 2020年21期2020-09-04
- 機器學習在網(wǎng)絡(luò)安全入侵檢測中的應(yīng)用
?要：網(wǎng)絡(luò)入侵檢測技術(shù)能夠?qū)ο到y(tǒng)進行實時檢測或事后檢測，及時發(fā)現(xiàn)、防范各種復雜多變的網(wǎng)絡(luò)攻擊企圖、攻擊行為與攻擊結(jié)果。同時網(wǎng)絡(luò)入侵檢測技術(shù)也是網(wǎng)絡(luò)空間安全中一個具有挑戰(zhàn)性的網(wǎng)絡(luò)安全問題，機器學習對入侵檢測技術(shù)性能的提高成為熱門研究內(nèi)容。文章綜述了近些年來幾種典型的群體智能優(yōu)化算法，及其與支持向量機相結(jié)合的網(wǎng)絡(luò)入侵檢測技術(shù)，最后對機器學習在網(wǎng)絡(luò)安全入侵檢測中的未來發(fā)展前景進行展望。關(guān)鍵詞：機器學習;入侵檢測;網(wǎng)絡(luò)安全中圖分類號：TP181 ? ?文獻標志碼
科技創(chuàng)新與應(yīng)用 2020年25期2020-08-31
- 計算機網(wǎng)絡(luò)安全防范技術(shù)分析
;技術(shù)機制;入侵檢測;防火墻中圖分類號：TP393 文獻標識碼：A 文章編號：1007-9416（2020）07-0178-05正如世界上是不存在密不透風的墻一樣，在網(wǎng)絡(luò)安全的世界里也不可能存在不可攻破的防護。任何的程序都存在漏洞，也正是這個原因，導致了網(wǎng)絡(luò)安全問題的層出不窮。網(wǎng)絡(luò)安全是動態(tài)的，猶如醫(yī)學的不斷進步與細菌病毒的不斷進化一樣，網(wǎng)絡(luò)安全攻擊與反攻擊（防護）是永恒的矛盾。所以，網(wǎng)絡(luò)安全是相對的，同時網(wǎng)絡(luò)安全也是有時限性的，需要不斷的更新、加強安全措
數(shù)字技術(shù)與應(yīng)用 2020年7期2020-08-21
- 群體智能在入侵檢測特征選擇中的應(yīng)用綜述
與應(yīng)用是當今入侵檢測領(lǐng)域的一個研究熱點。參閱大量相關(guān)文獻，分析不同群體智能優(yōu)化算法求解特征子集的應(yīng)用及改進方法，總結(jié)其優(yōu)缺點。列舉了一些不同群體智能優(yōu)化算法的結(jié)合及改進方法，取得了較為明顯的效果，這也是今后入侵檢測領(lǐng)域的一個研究趨勢。關(guān)鍵詞：特征選擇;特征子集;群體智能;入侵檢測;信息安全中圖分類號：TP309 文獻標識碼：A文章編號：1009-3044（2020）19-0030-03開放科學（資源服務(wù)）標識碼（0SID）：1 引言信息化時代，信息安全問題
電腦知識與技術(shù) 2020年19期2020-08-19
- 基于主成分分析和多層感知機神經(jīng)網(wǎng)絡(luò)的入侵檢測方法研究
要：針對現(xiàn)有入侵檢測系統(tǒng)（Intrusion Detection System， IDS）檢測方法準確率低，泛化能力弱，收斂速度慢，易陷入局部最優(yōu)等問題，提出基于PCA（Principal Component Analysis）和多層感知機神經(jīng)網(wǎng)絡(luò)（MLP）的入侵檢測模型。該模型首先對數(shù)據(jù)進行預處理和降維，然后使用該PCA-MLP模型進行訓練并使用測試集測試模型的準確率，最后優(yōu)化分類器的性能。實驗表明，該模型可以提高入侵檢測系統(tǒng)的準確率，具有很強的泛化能力
軟件工程 2020年7期2020-07-27
- 基于防空作戰(zhàn)體系的DDoS攻擊防御技術(shù)研究
了一種新穎的入侵檢測方法—KNS。這種方法基于集成學習的思想，首先分別采用K-最近鄰（K-Nearest Neighbor，KNN）、樸素貝葉斯分類器（Naive Bayes Classifier，NBC）和支持向量機（Support Vector Machine，SVM）對流量進行檢測，其次對檢測結(jié)果進行投票策略（Voting）整合，最后獲得KNS的最終檢測結(jié)果。這種方法在DDoS數(shù)據(jù)集進行了測試，結(jié)果表明，KNS具有較好的異常檢測檢測準確性、檢測率、誤
網(wǎng)絡(luò)空間安全 2020年6期2020-07-24
- 一種基于ALO?SVM算法的入侵檢測方法
摘? 要： 入侵檢測一直是網(wǎng)絡(luò)安全領(lǐng)域的熱點研究方向，為了提高網(wǎng)絡(luò)入侵檢測的速度和準確性，提出一種在PCA降維的基礎(chǔ)上，基于蟻獅優(yōu)化算法（The Ant Lion Optimizer，ALO）和支持向量機（Support Vector Machine，SVM）相結(jié)合的入侵檢測方法。該算法首先利用主成分分析法（Principal Component Analysis，PCA）對數(shù)據(jù)進行降維處理以去除冗余數(shù)據(jù)，并利用ALO算法優(yōu)化SVM的參數(shù)，然后根據(jù)優(yōu)化后的
現(xiàn)代電子技術(shù) 2020年10期2020-07-14
- 一種改進的決策樹算法在入侵檢測中的應(yīng)用
樹算法更好的入侵檢測性能。關(guān)鍵詞：決策樹;粗糙集;信息熵;粒度決策熵;屬性重要性;入侵檢測中圖分類號：TP309 ? ? 文獻標識碼：A 文章編號：2096-4706（2020）23-0147-07The Application of an Improved Decision Tree Algorithm in Intrusion DetectionZHANG Minyu（College of Information Science and Technol
現(xiàn)代信息科技 2020年23期2020-07-09
- 基于深度學習的入侵檢測算法
視化方式進行入侵檢測。對數(shù)據(jù)進行可視化處理，并采用卷積神經(jīng)網(wǎng)絡(luò)（CNN）進行入侵檢測。主要采用不同數(shù)量樣本進行對比，結(jié)果顯示，卷積神經(jīng)網(wǎng)絡(luò)效果與樣本量的多少相關(guān)性不大;并和傳統(tǒng)沒有可視化處理數(shù)據(jù)的方式進行對比，結(jié)果顯示，可視化處理后的檢測效果相對較好。關(guān)鍵詞：深度學習;網(wǎng)絡(luò)安全;入侵檢測;卷積神經(jīng)網(wǎng)絡(luò);可視化處理;KDD CUP99中圖分類號：TP391.4文獻標識碼：A文章編號：2095-1302（2020）06-0-030 引 言在信息更新迭代快速的時
物聯(lián)網(wǎng)技術(shù) 2020年6期2020-06-24
- PCA-LSTM在網(wǎng)絡(luò)入侵檢測中的應(yīng)用
的安全威脅。入侵檢測系統(tǒng)是網(wǎng)絡(luò)安全防護的重要工具，它能夠?qū)崟r監(jiān)測網(wǎng)絡(luò)環(huán)境，識別網(wǎng)絡(luò)漏洞。長短期記憶神經(jīng)網(wǎng)絡(luò)是一種經(jīng)典的深度學習方法，它能夠有效解決梯度消失和梯度爆炸問題。本文將LSTM算法用于入侵檢測，提出了基于PCA-LSTM的入侵檢測模型，經(jīng)過仿真模擬實驗證明，該模型具有良好的入侵檢測性能。Abstract： In recent years， with the continuous development of internet technology，
價值工程 2020年15期2020-06-23
- 基于改進權(quán)值更新和選擇性集成的AdaBoost算法
t算法應(yīng)用于入侵檢測系統(tǒng)，不僅提高了分類準確率和檢測速度，而且降低了計算開銷。關(guān)鍵詞：入侵檢測;集成學習;AdaBoost;權(quán)值更新;選擇性集成DOI： 10. 11907/rjdk.191736開放科學（資源服務(wù)）標識碼（OSID）：中圖分類號：TP312文獻標識碼：A文章編號：1672-7800（ 2020）004-0257-060 引言入侵檢測可從網(wǎng)絡(luò)系統(tǒng)若干關(guān)鍵點收集信息，并分析網(wǎng)絡(luò)是否存在入侵行為及跡象[1，2]。入侵檢測可看作一個數(shù)據(jù)分類過程，
軟件導刊 2020年4期2020-06-19
- 基于機器學習的入侵檢測技術(shù)研究與實現(xiàn)
：目前大多數(shù)入侵檢測系統(tǒng)都是基于一個特定的預定義模式（特征值）來匹配已知的攻擊功能?；谔卣髦档姆椒ǖ闹饕窒扌栽谟谒蛔R別新的攻擊，甚至不識別已知漏洞中的微小變化。該文基于機器學習技術(shù)，采用k-means聚類算法和支持向量機分類算法，能夠自動構(gòu)造正常分組有效載荷的分布并檢測其偏差。實驗表明，機器學習算法比大多數(shù)使用的開源snort系統(tǒng)有更高的檢測精度。關(guān)鍵詞：入侵檢測;機器學習;分類算法;k-means聚類中圖分類號：TP393 文獻標識碼：A文章編號：
電腦知識與技術(shù) 2020年10期2020-06-08
- 一種基于Snort技術(shù)的入侵檢測系統(tǒng)的實現(xiàn)
為重要問題。入侵檢測技術(shù)是一種準確性高、誤報率低安全保護技術(shù)，也是網(wǎng)絡(luò)安全研究中的一個重要課題。該文研究和比較了一些入侵檢測系統(tǒng)的原理，嘗試了將模式匹配、協(xié)議分析、數(shù)據(jù)挖掘等這幾種入侵檢測方法進行結(jié)合，提高了準確性，減少了漏報率和誤報率。該文接著研究了基于網(wǎng)絡(luò)的入侵檢測系統(tǒng)Snort，學習研究其規(guī)則，且在Windows下搭建了檢測平臺加以測試。關(guān)鍵詞： 入侵檢測;Snort;網(wǎng)絡(luò)安全中圖分類號：TP393? ? ? ?文獻標識碼：A文章編號：1009-30
電腦知識與技術(shù) 2020年35期2020-06-07
- WSN中基于Mini Batch K-Means與SVM的入侵檢測方案
種攻擊。多數(shù)入侵檢測系統(tǒng)均采用數(shù)據(jù)挖掘算法對網(wǎng)絡(luò)數(shù)據(jù)包進行分析，但在處理大樣本集時，其效率明顯降低。針對這一缺點，提出一種基于Mini Batch K-Means和SVM的入侵檢測方案。該方案首先分別對正常行為特征庫和異常行為特征庫進行Mini Batch K-Means聚類，取得類中心作為各類的代表樣本并賦予權(quán)值，將其傳入SVM分類器作為訓練數(shù)據(jù)，得到分類超平面，通過該超平面對待測樣本作出判斷。解決了如K-Means、KNN、SVM等傳統(tǒng)數(shù)據(jù)挖掘算法在大
軟件導刊 2020年3期2020-05-28
- 面向云計算虛擬化的信息安全防護方案研究
護。同時，從入侵檢測、通信訪問控制、防惡意軟件以及防病毒等方面制定有效、全面的安全防護方案，完善企業(yè)云計算虛擬化信息安全防護體系，提高企業(yè)云計算虛擬化信息安全防護水平。關(guān)鍵詞：虛擬化;無代理;虛擬機監(jiān)控;入侵檢測Abstract： Cloud computing uses virtualization technology to realize network call on demand and centralized sharing of resour
網(wǎng)絡(luò)空間安全 2020年1期2020-05-25
- 基于CNN的泄漏電纜入侵檢測定位算法
要】泄漏電纜入侵檢測系統(tǒng)所處的外部環(huán)境較為復雜，為降低環(huán)境因素對泄露電纜入侵檢測的影響，提出了基于卷積神經(jīng)網(wǎng)絡(luò)的入侵檢測算法。通過卷積神經(jīng)網(wǎng)絡(luò)處理大量的樣本數(shù)據(jù)，并從數(shù)據(jù)中自動提取內(nèi)在特性，實現(xiàn)泄漏電纜電磁入侵檢測系統(tǒng)更低的誤報率、漏報率和更高的定位精度的目標，搭建了卷積神經(jīng)網(wǎng)絡(luò)入侵檢測模型，并用樣本數(shù)據(jù)對模型進行訓練和測試。模型測試結(jié)果表示其具有低漏報率和誤報率，定位精度可達到1 m?！娟P(guān)鍵詞】泄漏電纜;卷積神經(jīng)網(wǎng)絡(luò);入侵檢測;入侵定位doi：10.39
移動通信 2020年4期2020-05-07
- 數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)入侵檢測中的應(yīng)用與研究
背景下，網(wǎng)絡(luò)入侵檢測技術(shù)也相應(yīng)的在不斷的更新當中。顯然，就當前的形勢來看，傳統(tǒng)的入侵檢測技術(shù)已經(jīng)無法有效的檢測出新型的未知入侵行為。因此我們必須對入侵檢測技術(shù)進行科學有效的創(chuàng)新。本文重點對數(shù)據(jù)挖掘技術(shù)在入侵檢測中的常用算法進行了系統(tǒng)的分析，并提出了其應(yīng)用于其中的優(yōu)勢所在。關(guān)鍵詞：數(shù)據(jù)挖掘;入侵檢測;技術(shù)1 數(shù)據(jù)挖掘技術(shù)在入侵檢測系統(tǒng)中應(yīng)用的優(yōu)勢對于基于知識的傳統(tǒng)入侵檢測系統(tǒng)而言，首先必須讓安全領(lǐng)域的相關(guān)專家把系統(tǒng)弱電與攻擊的行為進行分類，然而再根據(jù)檢測的類
信息技術(shù)時代·中旬刊 2020年5期2020-04-07
- 計算機入侵檢測技術(shù)及安全維護
發(fā)展，網(wǎng)絡(luò)的入侵檢測技術(shù)也在不斷的發(fā)展和升級中。網(wǎng)絡(luò)安全包含許多方面。計算機入侵檢測可以識別不法分子的非正常訪問以及惡意的計算機攻擊行為，為系統(tǒng)的進一步安全保護提供了寶貴的反應(yīng)時間。關(guān)鍵詞：入侵檢測;計算機安全;網(wǎng)絡(luò)安全中圖分類號：TP311 ? ? 文獻標識碼：A文章編號：1009-3044（2020）34-0042-021 入侵檢測系統(tǒng)的組成整體來說，入侵檢測系統(tǒng)分為兩個大類，第一類主要是用于實時檢測計算機的運行情況和外來訪問情況。通過對于計算機的實時
電腦知識與技術(shù) 2020年34期2020-01-26
- 基于區(qū)塊鏈的物聯(lián)網(wǎng)信息安全平臺設(shè)計與實現(xiàn)
;仲裁機制;入侵檢測中圖分類號：TP311.5 ? ? 文獻標識碼：AAbstract： Security problems occur when multiple different devices are continuously connected with blockchain system. Aiming at these security problems in Internet of Things （IoT）， this paper prop
軟件工程 2020年12期2020-01-07
- 面向醫(yī)院SDN的網(wǎng)絡(luò)安全研究
值。關(guān)鍵詞：入侵檢測;軟件定義網(wǎng)絡(luò);醫(yī)療網(wǎng)絡(luò);貝葉斯推理中圖分類號：TP393? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：ANetwork Security Research for Hospital SDNGUO Tian-wei1 ，YANG Hai-dong2（1. Information Statistics Center，Huai'an Second People's Hospital，Huai
計算技術(shù)與自動化 2020年4期2020-01-05
- 基于互信息加權(quán)集成遷移學習的入侵檢測方法
本富摘 要：入侵檢測系統(tǒng)（IDS）已成為網(wǎng)絡(luò)安全體系結(jié)構(gòu)中的必要組成部分。在面對現(xiàn)代網(wǎng)絡(luò)安全需求時，現(xiàn)有的入侵檢測方法的可行性和持續(xù)性仍然存在提高空間，主要體現(xiàn)在更早地發(fā)現(xiàn)入侵威脅和提高入侵檢測系統(tǒng)的檢測精準度，為此提出一種基于互信息加權(quán)的集成遷移學習（ETL）入侵檢測方法。首先，通過遷移策略對多組特征集進行建模;然后，使用互信息度量在遷移模型下特征集在不同域中的數(shù)據(jù)分布;最后，根據(jù)度量值對多個遷移模型進行集成加權(quán)，得到集成遷移模型。該方法通過學習新環(huán)境下
計算機應(yīng)用 2019年11期2019-12-23
- 機器學習在網(wǎng)絡(luò)安全中的應(yīng)用
;網(wǎng)絡(luò)安全;入侵檢測;隱私保護中圖分類號：TP393? ? ? ? ? ? ? ? 文章標識碼：A文章編號：1009-3044（2019）26-0044-02開放科學（資源服務(wù)）標識碼（OSID）：Abstract： Cyber security is a matter of national security， which has been incorporated into national security strategy by many coun
電腦知識與技術(shù) 2019年26期2019-11-17