【摘要】：基于神經(jīng)網(wǎng)絡(luò)的入侵檢測方法是入侵檢測技術(shù)的一個重要發(fā)展方向.在已有無監(jiān)督生長型分層自組織映射(growing hierarchical self-organizing maps,GHSOM)神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上,提出了一種半監(jiān)督GHSOM算法.該算法利用少量有標(biāo)簽的數(shù)據(jù)指導(dǎo)大規(guī)模無標(biāo)簽數(shù)據(jù)的聚類過程.一方面借鑒cop-kmeans半監(jiān)督機制,解決了原始算法中返回空劃分的問題,并將其應(yīng)用到GHSOM算法中.另一方面提出了神經(jīng)元信息熵的概念作為子網(wǎng)生長的判斷條件,提高了GHSOM網(wǎng)絡(luò)子網(wǎng)劃分的精度.此外還利用有標(biāo)簽的數(shù)據(jù)自動確定聚類結(jié)果的入侵類型.對KDD Cup 1999數(shù)據(jù)集和LAN環(huán)境下模擬產(chǎn)生的數(shù)據(jù)集進(jìn)行的入侵檢測實驗表明:相比于無監(jiān)督的GHSOM算法,半監(jiān)督的GHSOM算法對各種類型的攻擊具有較高的檢測率.
[Abstract]:Intrusion detection method based on neural network is an important development direction of intrusion detection technology. Based on the existing algorithms of unsupervised growth-type hierarchical self-organizing mapping (growing hierarchical self-organizing maps,GHSOM) neural network, a semi-supervised GHSOM algorithm is proposed. The algorithm uses a small amount of tagged data to guide the large-scale untagged data clustering process. On the one hand, we use the semi-supervised mechanism of cop-kmeans for reference to solve the problem of returning null partition in the original algorithm, and apply it to the GHSOM algorithm. On the other hand, the concept of neuron information entropy is proposed to judge the growth of subnets, which improves the accuracy of subnetting in GHSOM networks. In addition, the labeled data is used to automatically determine the intrusion type of clustering results. Compared with the unsupervised GHSOM algorithm, the semi-supervised GHSOM algorithm has a higher detection rate against all kinds of attacks compared with the KDD Cup 1999 dataset and the simulated dataset under the LAN environment. The intrusion detection experiment shows that the semi-supervised GHSOM algorithm has a higher detection rate than the unsupervised GHSOM algorithm.
【作者單位】： 北京大學(xué)軟件與微電子學(xué)院;
【基金】：國家自然科學(xué)基金項目(61070237,61232005,61073156)
【分類號】：TP393.08

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 楊雅輝;姜電波;沈晴霓;夏敏;;基于改進(jìn)的GHSOM的入侵檢測研究[J];通信學(xué)報;2011年01期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉明;高玉琢;;一種基于Snort規(guī)則和神經(jīng)網(wǎng)絡(luò)的混合入侵檢測模型[J];廣西大學(xué)學(xué)報(自然科學(xué)版);2011年S1期

2 趙建華;李偉華;;有監(jiān)督SOM神經(jīng)網(wǎng)絡(luò)在入侵檢測中的應(yīng)用[J];計算機工程;2012年12期

3 李振美;;由粗到精分層技術(shù)下的復(fù)雜網(wǎng)絡(luò)入侵檢測方法研究[J];科學(xué)技術(shù)與工程;2013年30期

4 劉明珍;;基于CPSO-LSSVM的網(wǎng)絡(luò)入侵檢測[J];計算機工程;2013年11期

5 楊雅輝;黃海珍;沈晴霓;吳中海;張英;;基于增量式GHSOM神經(jīng)網(wǎng)絡(luò)模型的入侵檢測研究[J];計算機學(xué)報;2014年05期

6 張志華;;高密度特征的網(wǎng)絡(luò)入侵檢測算法研究[J];激光雜志;2015年02期

7 王菲;;無線傳感網(wǎng)絡(luò)低空干擾下的通信優(yōu)化模型仿真[J];計算機仿真;2015年01期

8 張永強;張墨華;;反向?qū)W習(xí)粒子群算法和多層分類器相融合的網(wǎng)絡(luò)入侵檢測[J];計算機應(yīng)用與軟件;2015年04期

9 林楷;賈春福;石樂義;;分布式時間戳同步技術(shù)的改進(jìn)[J];通信學(xué)報;2012年10期

10 梁潘;;基于HMM和自組織映射的網(wǎng)絡(luò)入侵檢測算法[J];青島科技大學(xué)學(xué)報(自然科學(xué)版);2014年04期

相關(guān)碩士學(xué)位論文 前2條

1 李超群;入侵檢測和分布式防火墻策略配置研究[D];重慶大學(xué);2012年

2 曹慶;基于互信息與KNN的入侵檢測技術(shù)研究[D];華東理工大學(xué);2014年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 卿斯?jié)h ,蔣建春 ,馬恒太 ,文偉平 ,劉雪飛;入侵檢測技術(shù)研究綜述[J];通信學(xué)報;2004年07期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬銳,劉玉樹,杜彥輝;基于神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的入侵檢測方法[J];計算機工程與應(yīng)用;2004年02期

2 盧輝斌;徐剛;;一種新的基于數(shù)據(jù)挖掘的入侵檢測方法[J];微處理機;2006年04期

3 羅敏;陰曉光;張煥國;王麗娜;;基于孤立點檢測的入侵檢測方法研究[J];計算機工程與應(yīng)用;2007年13期

4 曹玉林;海生元;;基于異常的入侵檢測方法分析[J];青海師范大學(xué)學(xué)報(自然科學(xué)版);2008年04期

5 黃同心;臧洌;聶盼盼;;基于半監(jiān)督優(yōu)化分類的入侵檢測方法研究[J];科學(xué)技術(shù)與工程;2012年01期

6 孫立奎;王洪玉;吳力飛;王潔;;基于信號差分特性的被動入侵檢測方法[J];傳感技術(shù)學(xué)報;2012年11期

7 周暉;朱立慶;楊振;程亞喬;;基于分簇的節(jié)點復(fù)制攻擊入侵檢測方法[J];傳感器與微系統(tǒng);2014年05期

8 李林海;黃國策;路惠明;;入侵檢測方法的研究與發(fā)展趨勢[J];計算機安全;2002年10期

9 趙衛(wèi)偉,李德毅;基于云模型的入侵檢測方法[J];計算機工程與應(yīng)用;2003年26期

10 慕巍,宋華,戴一奇;一種新的基于規(guī)范的混合入侵檢測方法[J];計算機工程;2005年09期

相關(guān)會議論文 前5條

1 何一青;;一種基于有向二分圖模型和貝葉斯網(wǎng)絡(luò)的入侵檢測方法[A];第27次全國計算機安全學(xué)術(shù)交流會論文集[C];2012年

2 令狐大智;李陶深;;一種基于模糊理論的自適應(yīng)入侵檢測方法[A];2007年全國開放式分布與并行計算機學(xué)術(shù)會議論文集(上冊)[C];2007年

3 郎風(fēng)華;鮮繼清;唐賢倫;;一種基于格貼近度的模糊入侵檢測方法[A];’2004計算機應(yīng)用技術(shù)交流會議論文集[C];2004年

4 賈超;張胤;;互聯(lián)網(wǎng)絡(luò)的多特征融合入侵檢測方法[A];第二屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議（NCIRCS-2005）論文集[C];2005年

5 張克農(nóng);陸佳華;高明;;一種基于FPGA的千兆網(wǎng)絡(luò)入侵檢測方法與實現(xiàn)[A];全國網(wǎng)絡(luò)與信息安全技術(shù)研討會'2005論文集（上冊）[C];2005年

相關(guān)博士學(xué)位論文 前5條

1 鄔書躍;基于支持向量機和貝葉斯分析技術(shù)的入侵檢測方法研究[D];中南大學(xué);2012年

2 齊建東;基于數(shù)據(jù)挖掘的入侵檢測方法及系統(tǒng)研究[D];中國農(nóng)業(yè)大學(xué);2003年

3 尹清波;基于機器學(xué)習(xí)的入侵檢測方法研究[D];哈爾濱工程大學(xué);2007年

4 田新廣;基于主機的入侵檢測方法研究[D];國防科學(xué)技術(shù)大學(xué);2005年

5 蘇璞睿;基于特權(quán)進(jìn)程行為的入侵檢測方法研究[D];中國科學(xué)院研究生院（軟件研究所）;2005年

相關(guān)碩士學(xué)位論文 前10條

1 王莉;基于改進(jìn)模糊認(rèn)知圖的入侵檢測方法研究[D];天津理工大學(xué);2013年

2 蘭妥;基于聚類分析的入侵檢測方法研究[D];廈門大學(xué);2009年

3 劉思佳;智能網(wǎng)絡(luò)入侵檢測方法的研究[D];西華大學(xué);2009年

4 黃同心;基于半監(jiān)督優(yōu)化分類的入侵檢測方法研究[D];南京航空航天大學(xué);2012年

5 劉燕;基于數(shù)據(jù)挖掘的入侵檢測方法研究[D];西安電子科技大學(xué);2007年

6 陳莉;基于支持向量機的入侵檢測方法研究[D];蘇州大學(xué);2009年

7 王宏;基于聚類分析的入侵檢測方法研究[D];四川大學(xué);2006年

8 羅耀鋒;面向工業(yè)控制系統(tǒng)的入侵檢測方法的研究與設(shè)計[D];浙江大學(xué);2013年

9 郭春陽;基于人工免疫的入侵檢測方法研究[D];哈爾濱工程大學(xué);2007年

10 蔡文君;基于數(shù)據(jù)挖掘的入侵檢測方法研究[D];中南大學(xué);2008年

，

本文編號：2435652