您的位置: 专家智库 > >

上海市教育委员会创新基金(09YZ370)

作品数:8 被引量:45H指数:4
相关作者:史志才夏永祥王益涵赵敏媛陶龙明更多>>
相关机构:上海工程技术大学更多>>
发文基金:上海市教育委员会创新基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 8篇中文期刊文章

领域

  • 8篇自动化与计算...

主题

  • 6篇入侵
  • 6篇入侵检测
  • 4篇网络
  • 4篇粗糙集
  • 2篇信息熵
  • 2篇知识约简
  • 2篇属性约简
  • 2篇网络环境
  • 2篇计算机
  • 2篇计算机网
  • 2篇计算机网络
  • 2篇高速网
  • 2篇高速网络
  • 2篇高速网络环境
  • 1篇信息安全
  • 1篇信息增益
  • 1篇隐马尔可夫模...
  • 1篇入侵检测技术
  • 1篇入侵检测模型
  • 1篇特征提取

机构

  • 8篇上海工程技术...

作者

  • 8篇史志才
  • 4篇夏永祥
  • 2篇赵敏媛
  • 2篇王益涵
  • 1篇陶龙明

传媒

  • 3篇计算机工程
  • 2篇上海工程技术...
  • 1篇计算机工程与...
  • 1篇计算机应用研...
  • 1篇计算机工程与...

年份

  • 3篇2012
  • 1篇2011
  • 2篇2010
  • 2篇2009
8 条 记 录,以下是 1-8
排序方式:
复杂网络攻击的HMM检测模型被引量:1
2009年
针对检测复杂网络攻击的难度,剖析复杂网络攻击的本质特征,提出一种基于HMM的入侵检测模型,通过关联分析不同网络监视器产生的报警事件序列,挖掘这些报警事件的内在联系,进而检测复杂网络攻击。实验结果表明,该模型能有效地识别复杂网络攻击的类别。
史志才陶龙明
关键词:计算机网络网络攻击隐马尔可夫模型入侵检测
粗糙集中离散化算法的研究
2010年
对目前粗糙集的离散化算法进行了分类讨论,重点分析了基于信息熵的离散化算法的理论基础以及实现步骤,并就该算法对于同一属性在不同样本数据集上的应用情况进行了分析.实验表明,该算法对于部分属性具有数据敏感性,当选择这些属性作为依据时会影响系统的决策能力.
史志才王益涵赵敏媛
关键词:粗糙集离散化信息增益
基于粗糙集的入侵检测方法研究被引量:4
2012年
为了改善入侵检测系统的性能,常采用特征提取的方法精简初始数据,以减轻系统的处理负荷,提高检测速度。本文首先采用粗糙集理论对入侵检测系统进行了形式化描述,以信息熵作为测度对连续数值属性进行离散化,使用知识约简对入侵检测的属性特征进行提取,通过信息增益控制属性特征的约简过程,有效剔除了冗余特征,减少了系统的处理负荷,提高了系统的检测时效。实验证实所提出的方法使系统对于PROBING、DoS等典型攻击的训练时间分别缩短2.8和3.2倍,而检测速度分别提高3.3和3.8倍。
史志才夏永祥
关键词:入侵检测粗糙集属性约简信息熵
基于知识约简的网络入侵特征提取被引量:5
2011年
为改善入侵检测系统的性能,提出一种基于知识约简的特征提取方法,根据粗糙集理论给出入侵检测系统的形式化描述,使用知识约简提取属性特征,通过信息损耗和信息增益分别控制连续数值属性特征的离散化和属性特征的约简过程。实验结果证明,该方法可有效消除初始数据中的冗余信息和数据噪声。
史志才夏永祥
关键词:入侵检测粗糙集属性约简特征提取
高速网络环境下的自适应入侵检测方法研究被引量:17
2009年
为了实现高速网络环境下的入侵检测,对入侵检测的机理进行探讨,将入侵检测归结于不完备数据集上的推理过程,提出知识库的相似度、完备度等概念,并用其对知识库的规模和增长速度进行控制,从而保证入侵检测在有限规模的空间中进行搜索。同时,采用信息增益等方法将入侵检测转换到低维空间上进行。实验结果表明上述方法有效降低了入侵检测系统的计算负荷,提高了其实时响应性能。
史志才
关键词:计算机网络信息安全入侵检测
高速网络环境下的入侵检测技术研究综述被引量:15
2010年
高速网的普及应用对入侵检测技术提出了更高要求,传统的方法已难以适应处理大流量的网络数据。对入侵检测过程进行分析,指出高速网络环境下制约入侵检测效果的不利因素和难点,强调应从数据包捕获、模式匹配、负载均衡、系统架构等方面入手,充分利用软件的灵活性、专用硬件的并行性和快速性来提高入侵检测系统的性能,以适应高速的网络环境。
史志才夏永祥
关键词:网络安全入侵检测高速网
知识的表示及应用
2012年
对知识的代数表示和粒度表示及其性质进行了探讨,围绕知识约简证明了两种不同表示方法的等价性,提出了基于熵与粒度计算相融合的知识约简方法,并将该方法用于KDD Cup’99数据集的属性约简.
史志才王益涵赵敏媛
关键词:粗糙集粒计算信息熵知识约简
基于GPU和特征选择的SVM入侵检测模型被引量:3
2012年
基于支持向量机的入侵检测模型检测效率较低,为此,提出一种基于图形处理器(GPU)和特征选择的入侵检测模型。在入侵检测过程中,采用基于GPU的并行计算模型进行训练,并对样本的特征进行合理选择,从而提高检测效率。实验结果表明,在保证系统性能的情况下,该模型可以缩短训练时间。
夏永祥史志才
关键词:入侵检测图形处理器统一计算设备架构并行计算
共1页<1>
聚类工具0