一种基于核熵和人工免疫的网络异常检测方法

发布时间：2019-10-23 14:14

【摘要】：针对网络样本数据复杂且维数较高,导致异常检测模型容易遭受维数灾难这一问题,本文将核熵成分分析法应用到基于人工免疫的网络异常检测中,与传统的多元统计分析方法相比,核熵成分分析可以保证数据降维过程的信息熵损失更少,从而保留了更多有用的分类信息.基于降维后的数据,本文采用实值否定选择算法训练人工免疫检测器对网络异常样本进行检测.在入侵检测标准数据集KDD Cup99上进行了对比实验,实验结果表明,基于核熵成分分析的异常检测准确率从87.1%提高到了98.9%,有效地改进了网络异常检测的性能.
【作者单位】： 重庆理工大学计算机科学与工程学院;四川大学计算机学院;
【基金】：国家自然科学基金项目(61572334;61402308)
【分类号】：TP393.08

【相似文献】

相关期刊论文 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

相关会议论文 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

相关博士学位论文 前3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

相关硕士学位论文 前10条

1 李进文;基于云计算的网络异常检测算法研究[D];郑州大学;2015年

2 薛成龙;基于深度表征的网络异常检测模型研究[D];哈尔滨工业大学;2014年

3 钱坤;基于流量测量的高速IP网络异常检测技术研究[D];解放军信息工程大学;2015年

4 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

5 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

6 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

7 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

8 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

9 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

10 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

，

本文编号：2552140