资料下载
×
如何使用增量式GHSOM神经网络模型实现入侵检测的研究
消耗积分:0 |
格式:pdf |
大小:0.19 MB |
2020-05-23
8012
分享资料个
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．
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
