论文部分内容阅读
针对现有入侵检测算法误报率较高和鲁棒性较差的问题,提出一种基于线性表示的协同入侵检测模型,按照网络协议产生3类基于K-均值聚类算法的检测代理,以协同的方式对其相应网络数据做出决策。实验对比结果表明,该协同模型具有较高的检测率和较低的误警率。
基于线性表示的协同入侵检测模型
【摘 要】
：
针对现有入侵检测算法误报率较高和鲁棒性较差的问题,提出一种基于线性表示的协同入侵检测模型,按照网络协议产生3类基于K-均值聚类算法的检测代理,以协同的方式对其相应网络
【机 构】
：
广州医科大学信息管理与信息系统系
【出 处】
：
现代计算机(专业版)
【发表日期】
：
2013年22期
其他文献
模糊神经网络汇集神经网络和模糊逻辑的优点，能有效避免神经网络的“黑箱”操作，但存在“维数爆炸”现象。将粗糙集和模糊神经网络有机集成，构建财务困境预警的二阶段模型：第一阶
在传统的K-means算法中，聚类数K是随机给定的，K值选取不合理会造成K—meall$算法陷入局部最优。针对这个缺点，提出一种新的K—means聚类数确定方法，根据聚类算法中类内相似度最大