本文關鍵詞：WOS-ELM算法在入侵檢測中的研究

  更多相關文章： 網絡入侵檢測 在線貫序極限學習機 增量學習 權值更新 不均衡數據分類

【摘要】：隨著信息化建設的深入,網絡攻擊變得復雜多變,嚴重威脅著網絡安全與信息安全.一個好的入侵檢測系統(tǒng)往往要求具有高效性,高速性,智能性,實時性,以及應對不同網絡環(huán)境在線數據的魯棒性.基于以上五點要求,提出一種權值更新的在線貫序極限學習機算法(WOS-ELM)來應用于網絡入侵檢測.該算法采用一個一個數據或一塊一塊數據添加的增量學習算法,將多次迭代求解的神經網絡訓練轉變?yōu)橐淮吻蠼獾木�性方程組,并通過一種有效的權值賦予的方法來解決網絡環(huán)境數據不均衡的問題.實驗表明,該方法具有很高的正確率,并能在短時間內達到很好的分類效果;較之其他算法,它更適合處理大規(guī)模網絡實時環(huán)境中大量的原始數據,對統(tǒng)計數據依賴性小,對不均衡數據分類具有較好的魯棒性.因此,基于權值更新的在線貫序極限學習機算法更適應于復雜多變的網絡環(huán)境下的入侵檢測.
【作者單位】： 中南大學信息科學與工程學院;
【基金】：國家自然科學基金項目(60773013)資助
【分類號】：TP393.08
【正文快照】： 1引言隨著網絡與信息技術日新月異的發(fā)展,網絡安全直接關系到國家安全和社會穩(wěn)定.基于網絡安全的迫切需要和現有入侵檢測系統(tǒng)的弊端,入侵檢測系統(tǒng)的技術發(fā)展與革新勢在必行.入侵檢測可以粗略的分為兩步:第一步,特征提取;第二步,分類器的選擇.近年來,學者針對分類器在入侵檢測

【參考文獻】

中國期刊全文數據庫 前2條

1 鐘誠;楊鋒;陳國良;;基于概率模糊認知圖的混合入侵檢測方法[J];小型微型計算機系統(tǒng);2006年05期

2 蔡龍征;余勝生;周敬利;王曉鋒;;一種無類標訓練數據異常檢測模型[J];小型微型計算機系統(tǒng);2006年10期

【共引文獻】

中國期刊全文數據庫 前10條

1 努爾布力;柴勝;李紅煒;胡亮;;一種基于Choquet模糊積分的入侵檢測警報關聯方法[J];電子學報;2011年12期

2 馬超;張英堂;李志寧;尹剛;;基于ELM和證據理論的發(fā)動機故障診斷[J];車用發(fā)動機;2013年03期

3 項子旋;王振宇;劉國海;奚家健;;基于極端學習機的SLFN諧波檢測法[J];電測與儀表;2013年08期

4 李業(yè)波;李秋紅;黃向華;趙永平;;航空發(fā)動機傳感器故障與部件故障診斷技術[J];北京航空航天大學學報;2013年09期

5 雷雨;趙丹寧;;極限學習機在衛(wèi)星鐘差預報中的應用[J];大地測量與地球動力學;2013年05期

6 趙嵐;陳文;趙輝;;一種自適應的多級入侵檢測模型[J];計算機安全;2013年10期

7 苑津莎;張利偉;王瑜;尚海昆;;基于極限學習機的變壓器故障診斷方法研究[J];電測與儀表;2013年12期

8 張文博;姬紅兵;;融合極限學習機[J];電子與信息學報;2013年11期

9 韓敏;劉賁;;一種改進的旋轉森林分類算法[J];電子與信息學報;2013年12期

10 王焱;汪震;黃民翔;蔡禎祺;楊o踥，

本文編號：1140680