如何使用增量式GHSOM神经网络模型实现入侵检测的研究

资料大小: 0.19 MB

所需积分: 0

下载次数:

用户评论: 0条评论,查看

上传日期: 2020-05-28

上 传 者: liu楚鸿他上传的所有资料

资料介绍

标签:算法(1628)神经网络(2360)

  传统的网络入侵检测方法利用已知类型的攻击样本以离线的方式训练入侵检测模型,虽然对已知攻击类型具有较高的检测率,但是不能识别网络上新出现的攻击类型.这样的入侵检测系统存在着建立系统的速度慢、模型更新代价高等不足,面对规模日益扩大的网络和层出不穷的攻击,缺乏自适应性和扩展性,难以检测出网络上新出现的攻击类型.文中对 GHSOM(GrowingHierarchicalSelf-OrganizingMaps)神经网络模型进行了扩展,提 出 了一种基于增量式 GHSOM 神经网络模型的网络入侵检测方法,在不破坏已学习过的知识的同时,对在线检测过程中新出现的攻击类型进行增量式学习,实现对入侵检测模型的动态扩展.作者开发了一个基于增量式 GHSOM 神经网络模型的在线网络入侵检测原型系统,在局域网环境下开展了在线入侵检测实验.实验结果表明增量式GHSOM 入侵检测方法具有动态自适应性,能够实现在线检测过 程 中 对 GHSOM 模型的动态更新,而 且对 于 网 络上新出现的攻击类型,增量式 GHSOM 算法与传统 GHSOM 算法的检测率相当.

用户评论

查看全部 条评论

发表评论请先 , 还没有账号?免费注册

发表评论

用户评论
技术交流、我要发言! 发表评论可获取积分! 请遵守相关规定。
上传电子资料

本月热点资料

电子资料热门词

最新资料

下载排行

本周

本月

总榜

行业聚焦