版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、互聯(lián)網(wǎng)的環(huán)境越來越復雜,其安全性早已成為關注點。一個在網(wǎng)絡中發(fā)生的惡意攻擊或異常,往往會給人們帶來巨大的損失。在這樣一個大背景下,網(wǎng)絡入侵異常檢測系統(tǒng)(IDS)應運而生。而網(wǎng)絡數(shù)據(jù)的實時性和大規(guī)模性給異常檢測算法提出了很大的考驗,這就要求異常檢測算法具有很高的檢測效率。
數(shù)據(jù)流挖掘已經(jīng)成為數(shù)據(jù)挖掘領域的一個熱點問題,而概念漂移是解決數(shù)據(jù)流挖掘問題的重要手段。本文通過概念漂移方法,對網(wǎng)絡數(shù)據(jù)進行異常檢測。工作如下:
(
2、1)基于子空間學習的ARLDA概念漂移方法,應用投影方差和投影余弦進行概念漂移判定。這種方法的優(yōu)點是在對數(shù)據(jù)進行降維的同時,進行了概念漂移的檢測,提高了檢測算法運行的效率。該算法在不漂移的情況下,沿用前一個數(shù)據(jù)流的檢測模型。由于網(wǎng)絡攻擊數(shù)據(jù)流的不確定性,使得這種策略選擇,相對于不漂移算法,具有了一定的隨機性。因此本文改進了在不發(fā)生漂移時的策略選擇,即選取第一個策略的檢測模型,提高了檢測效果。
(2) ARLDA框架在判定已經(jīng)發(fā)
3、生概念漂移后,采用當前數(shù)據(jù)流的10%作為訓練集,對數(shù)據(jù)流中其他數(shù)據(jù)進行分類。而在實際生產(chǎn)環(huán)境中,必須對當前數(shù)據(jù)流做出實時判斷,更不可能獲得10%數(shù)據(jù)的標簽。因此,用于分類的數(shù)據(jù)模型必須是之前訓練的model和映射矩陣。本文提出了基于特征值概念集的概念漂移算法,通過計算特征值向量的距離,在特征值概念集中選取檢測模型。在這個算法框架中,數(shù)據(jù)流會選擇特征值最相似的歷史數(shù)據(jù)流的檢測模型進行檢測,使得模型選取更加有目的性,提高了檢測效果。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 概念漂移下的數(shù)據(jù)流異常點檢測算法研究.pdf
- 數(shù)據(jù)流概念漂移檢測算法研究.pdf
- 基于概念漂移的異常檢測技術研究.pdf
- 子空間孤立點檢測算法研究.pdf
- 單時間序列異常子序列檢測算法的研究.pdf
- 基于密度網(wǎng)格的數(shù)據(jù)流聚類和概念漂移檢測算法研究.pdf
- 概念漂移檢測算法研究及其在目標跟蹤中的應用.pdf
- 基于隱私保持的異常檢測算法研究.pdf
- 基于核機器學習的高光譜異常目標檢測算法研究.pdf
- 基于網(wǎng)絡異常的入侵檢測算法研究.pdf
- 23732.基于非線性空間的高光譜異常檢測算法研究
- 基于免疫聚類的異常檢測算法研究.pdf
- 基于云計算的網(wǎng)絡異常檢測算法研究.pdf
- 基于免疫機制的快速異常檢測算法.pdf
- 基于學習的入侵檢測算法研究.pdf
- 網(wǎng)絡入侵的異常檢測算法研究.pdf
- 基于SVM的室內(nèi)異常行為檢測算法研究.pdf
- 人群異常狀態(tài)檢測算法研究.pdf
- 基于圖像分析的異常檢測算法研究及應用.pdf
- 基于時空特點的群體異常行為檢測算法研究.pdf
評論
0/150
提交評論