【摘 要】
：
互联网的普及和网络连接设备与访问方式的多样化,为人们生活带来巨大便利的同时也带来巨大的安全挑战.网络入侵方式与手段日趋多样化且变异速度快,传统入侵检测方法在有效性、自适应性和实时性方面难以应对日益复杂网络环境的安全监控要求.本文提出一种基于在线自适应极限学习机(Online adaption extreme learning machine,OAELM)选择性学习的网络入侵检测方法(SEoOAEL
【机 构】
：
湖南师范大学信息科学与工程学院,湖南长沙 410081 湖南师范大学信息科学与工程学院,湖南长沙
【出 处】
：
第六届中国计算机学会大数据学术会议
论文部分内容阅读
互联网的普及和网络连接设备与访问方式的多样化,为人们生活带来巨大便利的同时也带来巨大的安全挑战.网络入侵方式与手段日趋多样化且变异速度快,传统入侵检测方法在有效性、自适应性和实时性方面难以应对日益复杂网络环境的安全监控要求.本文提出一种基于在线自适应极限学习机(Online adaption extreme learning machine,OAELM)选择性学习的网络入侵检测方法(SEoOAELM-NID).首先,提出一种能自动设定最优隐含节点个数且具有在线增量学习功能的OAELM构建方法,采用Bagging策略快速训练出多个具有一定独立性的OAELM子学习器;然后,基于边缘距离最小化原则(Margin Distance Minimization,MDM)对OAELM子学习器的集成增益进行计算;通过选择增益度高的部分OAELM进行选择性集成,获得泛化能力强、效率高的选择性集成学习器用于入侵检测.由于SEoOAELM-NID能自动设定ELM子学习器最优隐节点个数且能根据网络环境变化实现检测模型在线顺序更新,因而能有效适应各种复杂网络环境的入侵检测要求;通过选择部分最优的子学习器进行集成,保证了最终检测结果的准确性和实效性,并利用在线数据不断更新检测器.在NSL-KDD数据集上的测试结果表明,相比于基于单个学习器以及传统集成学习的网络入侵检测方法,SEoOAELM-NID无论对已知入侵类型还是未知入侵类型均能获得更高的检测率,且识别速度快,应用前景广阔.
其他文献
对分布式发电单元的各状态变量和用电各负荷状态变量进行实时估计和预测估计,是对其进行负荷预测,并进一步实施预测控制的基础.针对现有方法存在的不足,本文通过基于神经网络框架构建各状态变量随时间序列模型,并考虑所建模型的非平稳性,将其转化在Kalman滤波框架下进行处理;进一步通过建立相关状态变量的点点滤波模型、块状态模型及预测模型,分别建立状态的实时点估计方法、块状态的半实时估计方法及实时块平滑、块滤
随着管道天然气用户数量的迅猛发展,如何保障居民安全用气环境是每个经营单位亟需解决的重难点问题,特别在近年燃气事故频繁发生的情况下,民用燃气安全问题始终是人们关注的热点.现针对居民户内阀门的风险管理分析,归纳总结了存在的安全的问题,分析其原因,提出几点可行的对策予以探究.
本文主要从大型商场安全用气管理的探讨研究入手,通过对大型商场安全用气管理的新方式、新方法的提出,来辐射燃气行业运行管理的新模式,从而找到安全用气的新道路.
离群检测是数据挖掘领域的重点问题之一,而离群检测算法中各种参数的取值严重影响着离群算法的检测结果.特别是,当存在具有任意形状的簇和变化的密度的数据集时,在没有先验知识的情况下难以确定适当的参数.为了解决这个问题,论文在自然邻居方法的基础上,提出一种利用加权自然邻居邻域图进行离群检测的算法.该算法在整个过程不需要人为设置参数,并且在不同分布特征的数据中准确找到数据集中的全局离群点和局部离群点.人工数
Secure deduplication techniques have been wildly used in cloud storage to save both disk space and network bandwidth.However,traditional schemes store only one copy in cloud which raises problems with
In order to solve a series of problems caused by the disorderly cy-cling of bicycle-sharing,the modeling problem,forecasting the needs of the shared bicycle and selecting the location for the bicycle-
Friend recommendation is a fundamental service for both so-cial networks and practical applications.The majority of existing friend-recommendation methods utilize user profiles,social relationships,or
This paper presents a simple and efiective method to verify similar vehicle images.In order to provide a meaningful interpretation of the verification,we propose to detect the local difierences betwee
Despite recent breakthroughs in object detection with static images,extending state-of-the-art object detectors from image to video is challenging.The detection accuracy sufiers from degenerated objec
动态社区发现是研究网络演化的重要技术.然而,随着网络规模的日益增长,传统的单机算法难以处理大规模网络.此外,现有的一些社区质量衡量指标存在一定的局限性,如持久力(permanence),加权聚集系数WCC(Weighted Clustering Coefficient)等具有较高的计算复杂性,基于这些指标的社区发现算法具有较高的时间复杂度,难以应用于大规模动态网络.该文针对WCC的高时间复杂度,提