一种基于机器学习的MANET网络入侵检测性能评估方法研究

来源 :计算机科学 | 被引量 : 0次 | 上传用户:tinggu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
移动Adhoc网络(MANET,Mobile Adhoc Networks)正得到越来越广泛的应用,相应的网络安全问题也开始得到广泛的关注。研究MANET网络可能遭遇的攻击方式,提出基于机器学习技术的入侵检测性能评估模型,并提出一个综合评价指标,比较了7种机器学习算法在MANET网络入侵检测中的性能表现,对于构建安全有效的MANET网络具有重要的意义。使用GloMoSim仿真工具对MANET网络正常行为及黑洞、洪水、丢包3种入侵行为进行模拟,并详细分析了各种攻击情况下,7种机器学习算法的性能表现。分析结果
其他文献
基于各种海量规则信息处理的需求,提出了一种海量规则模式匹配方法。设计了海量规则模式匹配方法的基本算法步骤,研究了各种规则节点的匹配处理方法。最后总结了海量规则模式
研究了组合测试错误定位表的结构。针对t维组合测试情形,在假设待测系统中只有一个强度小于等于t维的错误交互时,提出了一种新的构造这种特殊情形的错误定位表的方法。这种方
针对人体运动状态监测中出现的设备要求苛刻、预测精准确较低等问题,采用了一种基于支持向量机(SVM)的人体运动状态检测方法。该方法通过移动终端设备中的传感器获取人体运动数据,并利用SVM对"小数据集"进行运动状态建模和预测,最终实现了低设备要求、高准确度的人体运动状态检测,并通过实验验证了其有效性。
介绍了一种基于随机Hough变换(RHT)的圆检测的改进算法。该算法利用梯度方向信息来确定采样的3点是否进行累积,并在获得真实圆之后采取部分删减的策略来更新边缘点集。此方法不仅解决了传统RHT中由于随机采样而造成的大量无效累积问题,并且有效改善了传统RHT方法中与梯度方向Hough变换(GHT)算法相比最优拟合结果丢失的情况。该方法在降噪后的图像上做了实验,最优拟合结果出现概率明显提高,检测性能有
定位技术是无线传感器网络中的关键支撑技术之一。针对移动无线传感器网络的特点,在深入分析现有多维定标节点定位算法的基础上,提出一种改进机制,即距离自调整的多维定标节
提出了一种基于物理的流体运动模拟方法,同传统的模拟技术相比,基于物理的模拟更能表现真实感运动。选用的物理模型是完整的Navier-Stokes方程组,针对完整的Navier-Stokes方程组,利用破开算子法将模型分解成外力、对流、扩散和投影项分别进行计算。因为每一步都稳定,所以整个求解过程也稳定。因此可以用大时间步长来模拟流体运动。Navier-Stokes方程组保证了真实感,而此求解方法保证了
支持向量机是一种用途广泛的分类器,标准的支持向量机在预测每个样本点的类别时使用了训练集中所有的样本信息(即全局信息),然而这种全局化的方法并不蕴含一致性。局部支持向
云端计算可以充分聚合Internet网络服务器端和边缘终端节点的计算资源来获得更大的效益。但将计算任务部署到用户终端上执行却带来了安全隐患。分属于不同用户的海量终端节点
Web服务(Web services)已成为当前和未来网络分布式应用的主流软件开发技术。如何确保Web服务软件的质量和可靠性是当前软件工程领域关注的焦点问题。分析了Web服务测试的层
真是好幸运,44年前的7月1日,我伴着猎猎飘展的党旗和高亢嘹亮的"没有共产党就没有新中国"的歌声,幸福地降临人世.这特别而光荣的生辰,几十年来如硕大的光环,一直让我引为骄傲
期刊