网络入侵中的模糊区域判断算法

发布时间：2021-07-09 02:43

　　针对当前网络入侵中模糊区域判断算法未考虑算法的自适应及容错性,判断效率和稳定性均较差的问题,提出一种基于多层逻辑结构的网络入侵中模糊区域判断算法。首先采用基于多层逻辑结构的模糊区域判断算法,以自适应和容错性作为约束条件,通过求取算法不同层反馈解,得到网络入侵中的模糊区域判断结果;然后基于判断结果,采用警报合成算法将较多雷同警报合成为一条警报,以防止形成警报洪流,获取最佳模糊区域判断结果。实验结果表明,该算法的检测率和误报率总平均值分别为93.13%和0.97%,平均时间为10.13s,表明该算法具有显著的网络入侵模糊区域判断优越性。 

【文章来源】：吉林大学学报(理学版). 2020,58(02)北大核心

【文章页数】：8 页

【部分图文】：

算法流程

在评判不同方法的判断性能时，以检测率和误报率为评判标准，其中误报率为错误警报数量与测试集内总信息数量的比值，检测率为入侵行为的警报数量与入侵行为总量的比值．本文算法（算法1）和基于层次属性约减模型的网络入侵中模糊区域判断算法（算法2）的判断结果分别如图2～图5所示．图3 两种算法对测试集2的判断结果

图2 两种算法对测试集1的判断结果为了更清晰地体现对比不同测试集中不同算法的判断结果，对图2～图5不同算法的判断结果进行汇总，结果列于表2．由图2～图5和表2可见：在不同的测试集中，基于层次属性约减模型的网络入侵中模糊区域判断算法的平均检测率变化范围为75.53%～80.03%，平均误报率变化范围为1.66%～2.83%，检测总体数据的检测率和误报率的平均值分别为78.33%和2.36%；本文算法的平均检测率变化范围为91.74%～94.50%，平均误报率变化范围为0.78%～1.13%，检测总体数据的检测率和误报率的平均值分别为93.13%和0.97%．实验结果表明，使用本文算法判断网络中的模糊区域优越性显著[16].

【参考文献】：
期刊论文
[1]基于威布尔分布杂波模型的加权有序统计模糊CFAR检测算法[J]. 王陆林,刘贵如,邹姗.  重庆邮电大学学报(自然科学版). 2019(02)
[2]一种基于并行免疫网络的大数据分类算法[J]. 范大鹏,张凤斌.  江苏大学学报(自然科学版). 2018(05)
[3]基于吸收Markov链的网络入侵路径预测方法[J]. 胡浩,刘玉岭,张红旗,杨英杰,叶润国.  计算机研究与发展. 2018(04)
[4]关系亲密程度的LTE异构网络切换算法[J]. 杨静,李鹏程,闫俊杰,周晓军.  四川大学学报(自然科学版). 2018(01)
[5]野草入侵模糊算法的半主动空气悬架研究[J]. 胡红生,肖平,江民,欧阳青.  传感技术学报. 2017(10)
[6]模糊化疑似网络入侵中行为确定的方法与设计[J]. 柳善文,符传谊.  湘潭大学自然科学学报. 2017(03)
[7]入侵检测中基于IBQGSA的特征选择及SVM参数优化[J]. 李丛,闫仁武,丁勇,王云.  计算机工程与设计. 2017(08)
[8]基于预定义类的紧凑型正则表达式匹配算法[J]. 麦涛涛,潘晓中,王亚奇,苏阳.  计算机应用. 2017(02)
[9]改进的Re-FCBF算法在入侵检测中的应用[J]. 沙丽瓦尔·阿里木,努尔布力,吾守尔·斯拉木.  计算机工程与设计. 2016(11)
[10]基于文化算法的层次属性约减入侵检测模型[J]. 申元,高岭,高妮,王帆.  计算机工程. 2017(07)



本文编号：3272849