發(fā)布時(shí)間：2021-11-07 16:04

　　目前大多數(shù)入侵檢測(cè)系統(tǒng)都是基于一個(gè)特定的預(yù)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(shí)別新的攻擊,甚至不識(shí)別已知漏洞中的微小變化。該文基于機(jī)器學(xué)習(xí)技術(shù),采用k-means聚類算法和支持向量機(jī)分類算法,能夠自動(dòng)構(gòu)造正常分組有效載荷的分布并檢測(cè)其偏差。實(shí)驗(yàn)表明,機(jī)器學(xué)習(xí)算法比大多數(shù)使用的開源snort系統(tǒng)有更高的檢測(cè)精度。 

【文章來源】：電腦知識(shí)與技術(shù). 2020,16(10)

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

IDS架構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]基于混合神經(jīng)網(wǎng)絡(luò)的問題分類方法[J]. 陳柯錦,許光鑾,郭智,梁霄.  計(jì)算機(jī)與現(xiàn)代化. 2018(09)
[2]基于密度峰和劃分的快速聚類算法[J]. 琚書存,程文杰,徐建鵬,徐祥,徐陽(yáng).  計(jì)算機(jī)與現(xiàn)代化. 2018(08)
[3]基于機(jī)器學(xué)習(xí)的入侵檢測(cè)方法對(duì)比研究[J]. 和湘,劉晟,姜吉國(guó).  信息網(wǎng)絡(luò)安全. 2018(05)
[4]基于多標(biāo)記與半監(jiān)督學(xué)習(xí)的入侵檢測(cè)方法研究[J]. 錢燕燕,李永忠,余西亞.  計(jì)算機(jī)科學(xué). 2015(02)
[5]基于深度信念網(wǎng)絡(luò)的入侵檢測(cè)模型[J]. 楊昆朋.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2015(02)
[6]基于信息熵的SVM入侵檢測(cè)技術(shù)[J]. 朱文杰,王強(qiáng),翟獻(xiàn)軍.  計(jì)算機(jī)工程與科學(xué). 2013(06)
[7]機(jī)器學(xué)習(xí)在入侵檢測(cè)中的應(yīng)用綜述[J]. 賀英杰,葉宗民,金吉學(xué).  計(jì)算機(jī)安全. 2010(03)

碩士論文
[1]基于機(jī)器學(xué)習(xí)的目標(biāo)檢測(cè)與跟蹤算法研究[D]. 劉倩.中南民族大學(xué) 2013



本文編號(hào)：3482144