基于迁移学习和D-S理论的网络异常检测

发布时间：2017-11-02 00:22

  本文关键词：基于迁移学习和D-S理论的网络异常检测

  更多相关文章： 迁移学习 D-S理论 异常行为分析 数据融合

【摘要】：对于分布不同或分布相似的未知类型的网络攻击,目前的异常检测技术往往不能达到预期的效果。针对上述问题,研究了一种基于迁移技术和D-S证据理论的网络异常检测方法。首先用迁移学习方法对已知网络攻击进行建模,此模型在构建时考虑了不同分布的异常攻击间的差异;然后用其训练得到的分类器对未知的网络行为进行分析,结合D-S证据理论,可以检测出分布不一致的未知攻击类型。实验结果表明,该方法泛化了传统的网络异常检测技术,对未知的网络异常有着较高的检测率。
【作者单位】： 江南大学数字媒体学院;
【关键词】： 迁移学习 D-S理论 异常行为分析 数据融合
【基金】：国家自然科学基金资助项目(61103223) 江苏省自然科学基金重点资助项目(BK2011003)
【分类号】：TP393.08;TP202
【正文快照】： 0引言随着互联网的应用越来越广泛,网络安全成为了人们日益关心的话题,异常行为检测则是网络安全中的一个重要组成部分。就现阶段而言,网络数据流依然是探测网络攻击行为的最佳数据源。迄今为止,对网络异常行为的检测方法主要有概率统计分析方法[1]、数据挖掘方法[2]、神经网

【相似文献】

中国期刊全文数据库 前10条

1 肖三;杨雅辉;沈晴霓;;基于微簇的在线网络异常检测方法[J];计算机工程与应用;2013年06期

2 狄剑光;陈光英;孙东红;;网络异常检测[J];中国教育网络;2006年05期

3 莫宁;模糊序列模式在网络异常检测中的应用[J];山西电子技术;2003年03期

4 彭新光,马晓丽;会话属性优化的网络异常检测模型[J];计算机工程与设计;2005年11期

5 公慧玲;李致勋;郭勇;;数据挖掘在网络异常检测中的应用[J];计算机安全;2009年05期

6 刘涛;齐爱玲;;基于时间分段的贝叶斯网络异常检测方法[J];信息安全与通信保密;2009年06期

7 刘卫国;邹美群;;一种面向混合攻击的网络异常检测方法[J];计算机系统应用;2009年10期

8 陈晓;;基于模糊序列模式挖掘的网络异常检测[J];电脑知识与技术;2009年36期

9 李致勋;公慧玲;王继成;李德钿;;关联规则在网络异常检测中的应用[J];南昌大学学报(理科版);2010年04期

10 贾伟峰;王勇;张凤荔;童彬;;基于特征压缩与分支剪裁的网络异常检测算法[J];计算机工程;2010年21期

中国重要会议论文全文数据库 前2条

1 李洋;方滨兴;郭莉;田志宏;张永铮;姜伟;;基于TCM-KNN和遗传算法的网络异常检测技术[A];全国网络与信息安全技术研讨会论文集（上册）[C];2007年

2 房鼎益;汤战勇;李元兵;吴晓南;陈晓江;;基于程序行为分析的网络异常检测系统[A];全国网络与信息安全技术研讨会'2005论文集（上册）[C];2005年

中国博士学位论文全文数据库 前4条

1 魏小涛;在线自适应网络异常检测系统模型与相关算法研究[D];北京交通大学;2009年

2 陈宁;网络异常检测与溯源方法研究[D];华中科技大学;2009年

3 郭通;基于自适应流抽样测量的网络异常检测技术研究[D];解放军信息工程大学;2013年

4 郑军;网络恶意数据流的检测与控制技术研究[D];哈尔滨工业大学;2006年

中国硕士学位论文全文数据库 前10条

1 李平;基于投影寻踪回归的网络异常检测机制研究[D];华中科技大学;2011年

2 赵健;基于时间序列分析的社会网络异常检测改进[D];西安电子科技大学;2011年

3 黄锴;基于统计和时序分析的网络异常检测[D];上海交通大学;2009年

4 韩照国;基于相对熵理论的网络异常检测方法[D];西安理工大学;2010年

5 江华;基于组合聚类分析的网络异常检测模型[D];中国民航大学;2013年

6 田雪峰;基于马尔可夫链的网络异常检测系统研究与实现[D];国防科学技术大学;2005年

7 李小雷;基于数据挖掘的网络异常检测技术研究[D];湖南大学;2011年

8 朱士瑞;基于小波分析的网络异常检测系统[D];江苏大学;2007年

9 夏磊;基于嵌入式的网络异常检测系统的设计与实现[D];合肥工业大学;2009年

10 朱晓峰;基于滑窗小波二叉树的网络异常检测与分析[D];西安电子科技大学;2010年

，

本文编号：1129193