針對當前網(wǎng)絡入侵中模糊區(qū)域判斷算法未考慮算法的自適應及容錯性,判斷效率和穩(wěn)定性均較差的問題,提出一種基于多層邏輯結(jié)構(gòu)的網(wǎng)絡入侵中模糊區(qū)域判斷算法。首先采用基于多層邏輯結(jié)構(gòu)的模糊區(qū)域判斷算法,以自適應和容錯性作為約束條件,通過求取算法不同層反饋解,得到網(wǎng)絡入侵中的模糊區(qū)域判斷結(jié)果;然后基于判斷結(jié)果,采用警報合成算法將較多雷同警報合成為一條警報,以防止形成警報洪流,獲取最佳模糊區(qū)域判斷結(jié)果。實驗結(jié)果表明,該算法的檢測率和誤報率總平均值分別為93.13%和0.97%,平均時間為10.13s,表明該算法具有顯著的網(wǎng)絡入侵模糊區(qū)域判斷優(yōu)越性。 

【文章來源】：吉林大學學報(理學版). 2020,58(02)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

算法流程

在評判不同方法的判斷性能時，以檢測率和誤報率為評判標準，其中誤報率為錯誤警報數(shù)量與測試集內(nèi)總信息數(shù)量的比值，檢測率為入侵行為的警報數(shù)量與入侵行為總量的比值．本文算法（算法1）和基于層次屬性約減模型的網(wǎng)絡入侵中模糊區(qū)域判斷算法（算法2）的判斷結(jié)果分別如圖2～圖5所示．圖3 兩種算法對測試集2的判斷結(jié)果

圖2 兩種算法對測試集1的判斷結(jié)果為了更清晰地體現(xiàn)對比不同測試集中不同算法的判斷結(jié)果，對圖2～圖5不同算法的判斷結(jié)果進行匯總，結(jié)果列于表2．由圖2～圖5和表2可見：在不同的測試集中，基于層次屬性約減模型的網(wǎng)絡入侵中模糊區(qū)域判斷算法的平均檢測率變化范圍為75.53%～80.03%，平均誤報率變化范圍為1.66%～2.83%，檢測總體數(shù)據(jù)的檢測率和誤報率的平均值分別為78.33%和2.36%；本文算法的平均檢測率變化范圍為91.74%～94.50%，平均誤報率變化范圍為0.78%～1.13%，檢測總體數(shù)據(jù)的檢測率和誤報率的平均值分別為93.13%和0.97%．實驗結(jié)果表明，使用本文算法判斷網(wǎng)絡中的模糊區(qū)域優(yōu)越性顯著[16].

【參考文獻】：
期刊論文
[1]基于威布爾分布雜波模型的加權(quán)有序統(tǒng)計模糊CFAR檢測算法[J]. 王陸林,劉貴如,鄒姍.  重慶郵電大學學報(自然科學版). 2019(02)
[2]一種基于并行免疫網(wǎng)絡的大數(shù)據(jù)分類算法[J]. 范大鵬,張鳳斌.  江蘇大學學報(自然科學版). 2018(05)
[3]基于吸收Markov鏈的網(wǎng)絡入侵路徑預測方法[J]. 胡浩,劉玉嶺,張紅旗,楊英杰,葉潤國.  計算機研究與發(fā)展. 2018(04)
[4]關(guān)系親密程度的LTE異構(gòu)網(wǎng)絡切換算法[J]. 楊靜,李鵬程,閆俊杰,周曉軍.  四川大學學報(自然科學版). 2018(01)
[5]野草入侵模糊算法的半主動空氣懸架研究[J]. 胡紅生,肖平,江民,歐陽青.  傳感技術(shù)學報. 2017(10)
[6]模糊化疑似網(wǎng)絡入侵中行為確定的方法與設計[J]. 柳善文,符傳誼.  湘潭大學自然科學學報. 2017(03)
[7]入侵檢測中基于IBQGSA的特征選擇及SVM參數(shù)優(yōu)化[J]. 李叢,閆仁武,丁勇,王云.  計算機工程與設計. 2017(08)
[8]基于預定義類的緊湊型正則表達式匹配算法[J]. 麥濤濤,潘曉中,王亞奇,蘇陽.  計算機應用. 2017(02)
[9]改進的Re-FCBF算法在入侵檢測中的應用[J]. 沙麗瓦爾·阿里木,努爾布力,吾守爾·斯拉木.  計算機工程與設計. 2016(11)
[10]基于文化算法的層次屬性約減入侵檢測模型[J]. 申元,高嶺,高妮,王帆.  計算機工程. 2017(07)



本文編號：3272849