网络入侵检测系统中互相独立特征的求取方法

doi:10.3778/j.issn.1002-8331.2009.02.036

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (2): 125-127.DOI: 10.3778/j.issn.1002-8331.2009.02.036

网络入侵检测系统中互相独立特征的求取方法

时光^1,3,郝莹²,卢秀林⁴,刘全福⁴,徐龙伟⁴,雷玉国⁴

1.中国科学院研究生院，北京 100083
2.北京建筑工程学院，北京 100044
3.华北科技学院计算机系，北京 101601
4.上海能源股份有限公司孔庄煤矿，江苏徐州 221000

收稿日期:2008-02-18 修回日期:2008-04-28 出版日期:2009-01-11 发布日期:2009-01-11
通讯作者: 时光

Solution to getting inter-independent characters used to network intrusion detection system

SHI Guang^1,3,HAO Ying²,LU Xiu-lin⁴,LIU Quan-fu⁴,XU Long-wei⁴,LEI Yu-guo⁴

1.Graduate University of Chinese Academy of Sciences，Beijing 100083，China
2.Beijing University of Civil Engineering and Architecture，Beijing 100044，China
3.Department of Computer，North China Institute of Science and Technology，Beijing 101601，China
4.Kongzhuang Mine，Shanghai Energy Co.，Ltd，Xuzhou，Jiangsu 221000，China

Received:2008-02-18 Revised:2008-04-28 Online:2009-01-11 Published:2009-01-11
Contact: SHI Guang

摘要/Abstract

摘要： 为了提高网络入侵检测系统（IDS）的实时性、可用性以及整体性能，提出了一种自动识别特征相关性的方法（特征分类法）。用该方法提取出的互相独立（或相关性很小）的特征作为反向传播神经元网络的输入，以此为基础建立了一个IDS。实验证明该方法以及所建立的IDS效果较好。结论表明通过分类可以求得一组特征互相之间的相关程度，进一步可求得互相独立（或相关性很小）的特征。

关键词: 入侵检测系统, 特征相关性, 反向传播神经元网络

Abstract: To improve the reality，useful and whole performance of network Intrusion Detection System（IDS），the solution to get independent characters used to（or evidence） IDS is presented in the paper.The approach of auto-recognition of inter-relativity of the characters is developed，which is classification method for characters.The characters picked up by the method are used as the input of back propagate neural network.The characters are inter-independent，or weak relative.On the base of the chosen characters，an IDS is built.Tests show that the approach and IDS developed in the article is useful and available.It is conclusion that a set of inter-independent characters should be provided for IDS.The inter-relative degree of characters can be required by the method developed in the article.

Key words: Intrusion Detection System（IDS）, inter-relativity of character, back propagate neural network

时光^1,3,郝莹²,卢秀林⁴,刘全福⁴,徐龙伟⁴,雷玉国⁴. 网络入侵检测系统中互相独立特征的求取方法[J]. 计算机工程与应用, 2009, 45(2): 125-127.

SHI Guang^1,3,HAO Ying²,LU Xiu-lin⁴,LIU Quan-fu⁴,XU Long-wei⁴,LEI Yu-guo⁴. Solution to getting inter-independent characters used to network intrusion detection system[J]. Computer Engineering and Applications, 2009, 45(2): 125-127.

[1]	刘海燕，张钰，毕建权，邢萌. 基于分布式及协同式网络入侵检测技术综述[J]. 计算机工程与应用, 2018, 54(8): 1-6.
[2]	王歧1，2，3，卢毓海1，3，刘洋1，3，刘燕兵1，3，谭建龙1，3，孙波4. 支持模式串动态更新的多模式匹配Karp-Rabin算法[J]. 计算机工程与应用, 2017, 53(4): 39-44.
[3]	孙剑，刘渊，赵新杰. 基于聚类的应用层DDoS攻击检测方法研究[J]. 计算机工程与应用, 2016, 52(21): 116-120.
[4]	赵旭，王伟. 结合遗传算法的NIDS多媒体包多线程择危模型[J]. 计算机工程与应用, 2016, 52(14): 115-118.
[5]	陈明1，文颖1，谭涛2. WSN中基于MDP与博弈论的入侵检测系统[J]. 计算机工程与应用, 2015, 51(9): 117-121.
[6]	张伟1，董群锋2. 云安全综合分析系统的设计与实现[J]. 计算机工程与应用, 2014, 50(19): 89-94.
[7]	翁广安. 基于模拟数据集的字节频度入侵检测研究[J]. 计算机工程与应用, 2014, 50(12): 96-99.
[8]	雷向宇，周萍. 支持向量分类机在入侵检测中的应用研究[J]. 计算机工程与应用, 2013, 49(11): 88-91.
[9]	燕红文. 基于Snort的改进BMH单模式匹配算法研究[J]. 计算机工程与应用, 2012, 48(31): 78-81.
[10]	龚媛媛. 一种基于域的无线Ad HOC网络入侵检测系统[J]. 计算机工程与应用, 2012, 48(28): 123-126.
[11]	陈宇，梁刚，李涛. 网络入侵检测系统的负载均衡方案[J]. 计算机工程与应用, 2011, 47(7): 117-119.
[12]	廖年冬1，易禹1，胡琦2. 动态实时网络安全风险评估研究[J]. 计算机工程与应用, 2011, 47(36): 12-15.
[13]	卢永菁，王东. 基于GPU的高速网络入侵检测系统设计[J]. 计算机工程与应用, 2011, 47(33): 78-81.
[14]	赵月爱1，2，陈俊杰2. 重抽样方法FHNN及其在入侵检测中的应用[J]. 计算机工程与应用, 2011, 47(22): 86-88.
[15]	张玉花，张星. 面向IDS的可变长检测器生成算法研究[J]. 计算机工程与应用, 2010, 46(33): 101-103.

网络入侵检测系统中互相独立特征的求取方法

Solution to getting inter-independent characters used to network intrusion detection system

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics