目前各種網(wǎng)絡(luò)攻擊行為與日俱增,給網(wǎng)絡(luò)和數(shù)據(jù)安全造成了嚴(yán)重的影響。在所有的攻擊行為中,注入式攻擊由于其隱蔽性高,防火墻攔截效果較差,已經(jīng)造成了大量的經(jīng)濟(jì)損失。論文針對該類型網(wǎng)絡(luò)攻擊行為展開研究,提出對文本分類技術(shù)中的KNN算法進(jìn)行針對性的改進(jìn),用以實(shí)現(xiàn)對注入式攻擊行為的快速檢測。隨后以Web日志為檢測對象,設(shè)計了相關(guān)的檢測模型,最終通過仿真實(shí)驗(yàn)論證了本方法的準(zhǔn)確性與可靠性。 

【文章來源】：計算機(jī)與數(shù)字工程. 2020,48(04)

【文章頁數(shù)】：5 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于區(qū)域劃分的kNN文本快速分類算法研究[J]. 胡元,石冰.  計算機(jī)科學(xué). 2012(10)
[2]一種聚類模式下基于密度的改進(jìn)KNN算法[J]. 劉海峰,龐秀梅,張學(xué)仁.  微電子學(xué)與計算機(jī). 2011(07)
[3]基于數(shù)值編碼規(guī)則的信息抽取方法[J]. 高玉琢,任思佳,王恒,佘廉.  寧夏大學(xué)學(xué)報(自然科學(xué)版). 2009(01)
[4]一個高效的KNN分類算法[J]. 張著英,黃玉龍,王翰虎.  計算機(jī)科學(xué). 2008(03)



本文編號：3053000