论文部分内容阅读
网络安全问题是目前的一个研究热点，入侵检测系统探测已知的入侵模式方面是十分高效的，然而它们的不足是不能识别新类型的攻击。本文提出的基于对负栽进行语法分析的异常检测技术，简称为GAD。它采用一种自动而高效的方式对正常的网络行为进行建模。在学习阶段，首先计算流向某个站点的传输流的框架字节频率分布和标准偏差；在检测阶段，使用Mahalanobis距离来计算当前检测到与预计算框架的数据之间的相似度；最后检测器将结果再与一个阈值进行比较。如果超过了阈值的水平就生成入侵警报。