针对现有入侵检测技术的不足,文章研究了基于机器学习的异常入侵检测系统,将多标记和半监督学习应用于入侵检测,提出了一种基于多标记学习的入侵检测算法。该算法采用"k近邻"分类准则,统计近邻样本的类别标记信息,通过最大化...针对现有入侵检测技术的不足,文章研究了基于机器学习的异常入侵检测系统,将多标记和半监督学习应用于入侵检测,提出了一种基于多标记学习的入侵检测算法。该算法采用"k近邻"分类准则,统计近邻样本的类别标记信息,通过最大化后验概率(maximum a posteriori,MAP)的方式推理未标记数据的所属集合。在KDD CUP99数据集上的仿真结果表明,该算法能有效地改善入侵检测系统的性能。展开更多
结合神经网络与模糊系统相融合的3种形式,提出了基于"前层神经网络+后层模糊系统结构"的入侵检测系统模型。通过SQL server 2008软件进行数据预处理,采用一种基于主成分分析的降维方法进行数据降维,改进的LMBP算法对神经网络...结合神经网络与模糊系统相融合的3种形式,提出了基于"前层神经网络+后层模糊系统结构"的入侵检测系统模型。通过SQL server 2008软件进行数据预处理,采用一种基于主成分分析的降维方法进行数据降维,改进的LMBP算法对神经网络进行训练和判别,完成对网络入侵KDD CUP 99数据集的验证性实验。实验结果表明,系统检测效果良好,判别准确率高,为实现高效准确的入侵检测提供了一种有效的方法。展开更多
入侵检测作为一种网络主动防御技术,能够有效阻止来自黑客的多种手段攻击。随着机器学习的发展,相关技术也开始应用到入侵检测中。本文采用sklearn库中preprocessing模块的函数对KDD CUP 99数据集进行预处理,基于朴素贝叶斯和逻辑回归算...入侵检测作为一种网络主动防御技术,能够有效阻止来自黑客的多种手段攻击。随着机器学习的发展,相关技术也开始应用到入侵检测中。本文采用sklearn库中preprocessing模块的函数对KDD CUP 99数据集进行预处理,基于朴素贝叶斯和逻辑回归算法,建立了网络入侵检测模型,并利用信息增益算法对入侵相关特征进行选择,然后进行训练与预测。实验结果表明,选择特征子集进行训练和预测能够保证预测准确率并大幅提高检测效率。研究成果可为高速铁路信号系统网络入侵检测模型的设计和建立提供参考。展开更多
文摘针对现有入侵检测技术的不足,文章研究了基于机器学习的异常入侵检测系统,将多标记和半监督学习应用于入侵检测,提出了一种基于多标记学习的入侵检测算法。该算法采用"k近邻"分类准则,统计近邻样本的类别标记信息,通过最大化后验概率(maximum a posteriori,MAP)的方式推理未标记数据的所属集合。在KDD CUP99数据集上的仿真结果表明,该算法能有效地改善入侵检测系统的性能。
文摘结合神经网络与模糊系统相融合的3种形式,提出了基于"前层神经网络+后层模糊系统结构"的入侵检测系统模型。通过SQL server 2008软件进行数据预处理,采用一种基于主成分分析的降维方法进行数据降维,改进的LMBP算法对神经网络进行训练和判别,完成对网络入侵KDD CUP 99数据集的验证性实验。实验结果表明,系统检测效果良好,判别准确率高,为实现高效准确的入侵检测提供了一种有效的方法。
文摘入侵检测作为一种网络主动防御技术,能够有效阻止来自黑客的多种手段攻击。随着机器学习的发展,相关技术也开始应用到入侵检测中。本文采用sklearn库中preprocessing模块的函数对KDD CUP 99数据集进行预处理,基于朴素贝叶斯和逻辑回归算法,建立了网络入侵检测模型,并利用信息增益算法对入侵相关特征进行选择,然后进行训练与预测。实验结果表明,选择特征子集进行训练和预测能够保证预测准确率并大幅提高检测效率。研究成果可为高速铁路信号系统网络入侵检测模型的设计和建立提供参考。
