10.3778/j.issn.1002-8331.1203-0195
自组织增量神经网络IDS研究
理想的网络入侵检测系统(IDS)是无监督学习的、在线学习的。现有的满足这两个标准的方法训练速度较慢,无法保证入侵检测系统所需要的低丢包率。为了提高训练速度,提出一种基于改进的自组织增量神经网络(improved SOINN)的网络异常检测方法,用于在线地、无监督地训练网络数据分类器;并提出使用三种数据精简(Data Reduction)的方法,包括随机子集选取,k-means聚类和主成分分析的方法,来进一步加速改进的SOINN的训练。实验结果表明,提出的方法在保持较高检测率的前提下,减少了训练时间。
异常检测、在线聚类、数据精简、自组织增量神经网络、最近邻分类器
TP393(计算技术、计算机技术)
2014-01-23(万方平台首次上网日期,不代表论文的发表时间)
共5页
88-91,123