基于改进IAA算法的网络入侵数据挖掘仿真

来源 :计算机仿真 | 被引量 : 0次 | 上传用户:wang81920
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
采用目前方法挖掘网络入侵数据时未考虑数据之间的关联规则,导致网络入侵数据挖掘过程的检测时间长、检测效率低、误报效率高。提出基于改进Apriori算法的网络入侵数据挖掘方法,利用改进后的Apriori算法产生网络入侵数据之间的关联规则,依据产生的关联规则对网络入侵数据进行特征抽取,最后将抽取出的特征放入贝叶斯数据分类器中进行数据分类,实现网络入侵数据挖掘。实验表明,基于改进的Apriori算法在网络入侵数据挖掘过程中的挖掘时间短、检测效率高、误报效率低,具有一定的应用性。
其他文献
针对粒子群属性约简算法容易早熟、易陷入局部最优解的问题,提出一种融合混沌离散粒子群与粗糙集的属性约简算法(CBPSORS)。在该算法中,首先利用混沌序列初始化粒子的位置和速度,得到一个无序的粒子种群。其次改进最优粒子进行混沌变异过程,改进惯性因子和加速因子来提高算法性能。再次用粗糙集理论对生成的属性子集相关性进行评估。最后用K-近邻(KNN)算法生成分类模型在UCI数据集上对该算法进行验证。理论分
建筑构件位置分布建模存在可用度较低,建模时间较长,总造价较高的问题,为提高建筑物的整体质量,节约建筑成本,增强建筑结构的适用性,提出基于遗传算法的建筑构件位置分布建模方法,单层建筑主体构件以建筑主体构件横截面的轮廓曲线为基础,由单层建筑主体经过复制生成多层建筑主体完成建筑主体构件建模。通过分析建筑构件的组成,将遗传算法应用在建筑构件位置分布建模中,在适应度函数构建方面增加了对称度、均匀度的度量,对
针对传统方法数据融合精度不高、簇头节点输送数据时能耗较高的问题,为了提升数据融合的安全性,提出基于节点信誉度的传感器数据安全融合方法。对参加安全数据融合的传感器节点进行信任计算,利用传感器一致性方差获得节点行为信任可靠属性值,构建节点行为信任模型,并使用Josang信任模型处理数据流中的不确定因素问题,对融合节点进行信誉度分组,对安全数据实施评估,在统计规律结果的基础上分析节点可信任水平,实现对传