IMS中基于遗传神经网络的DOS攻击检测模型

doi:10.3778/j.issn.1002-8331.2008.28.039

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (28): 116-118.DOI: 10.3778/j.issn.1002-8331.2008.28.039

IMS中基于遗传神经网络的DOS攻击检测模型

王晓雷,郭云飞,李贺

国家数字交换系统工程技术研究中心，郑州 450002

收稿日期:2007-11-20 修回日期:2008-02-26 出版日期:2008-10-01 发布日期:2008-10-01
通讯作者: 王晓雷

DOS detection model in IMS based on GA neural network

WANG Xiao-lei,GUO Yun-fei,LI He

National Digital Switching System Engineering & Technological Research Center，Zhengzhou 450002，China

Received:2007-11-20 Revised:2008-02-26 Online:2008-10-01 Published:2008-10-01
Contact: WANG Xiao-lei

摘要/Abstract

摘要： 首先针对IMS中DOS攻击的特点进行了分析，然后基于遗传神经网络提出了一种应用于IMS的DOS攻击检测模型，在模型中利用遗传算法对神经网络的权值和偏置值进行优化。最后利用kddcup99数据集进行攻击检测实验。通过实验可以看出经过遗传算法优化后，神经网络的检测概率得到了明显提高。

关键词: IP多媒体子系统, DOS, 神经网络, 遗传算法

Abstract: This paper first analyzes the specialty of DOS attack in IMS，and then proposes a DOS detection model applied in IMS based on GA neural network.The detection model uses GA to optimize the weights and biases of neural network.In the end，the paper makes a detection experiment using the data of kddcup99.The experiment shows that the detection probability of neural network with GA is much better than the model without GA.

Key words: IP Multimedia Subsystem（IMS）, Denial of Service（DOS）, neural network, Genetic Algorithm（GA）

王晓雷,郭云飞,李贺. IMS中基于遗传神经网络的DOS攻击检测模型[J]. 计算机工程与应用, 2008, 44(28): 116-118.

WANG Xiao-lei,GUO Yun-fei,LI He. DOS detection model in IMS based on GA neural network[J]. Computer Engineering and Applications, 2008, 44(28): 116-118.

[1]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[4]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[5]	王林，柴江云. 深度神经网络在多场景车辆属性识别中的研究[J]. 计算机工程与应用, 2021, 57(9): 162-167.
[6]	赵志焱，杨华，胡志伟，宇海萍. 基于TACNN的玉露香梨叶虫害识别[J]. 计算机工程与应用, 2021, 57(9): 176-181.
[7]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[8]	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别[J]. 计算机工程与应用, 2021, 57(9): 207-211.
[9]	麻哲旭，杨峰，乔旭. 铁路路基病害智能检测方法[J]. 计算机工程与应用, 2021, 57(9): 272-278.
[10]	蒋斌，钟瑞，张秋闻，张焕龙. 采用深度学习方法的非正面表情识别综述[J]. 计算机工程与应用, 2021, 57(8): 48-61.
[11]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[12]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[13]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.
[14]	翟正利，李鹏辉，冯舒. 图对抗攻击研究综述[J]. 计算机工程与应用, 2021, 57(7): 14-21.
[15]	祝钧桃，姚光乐，张葛祥，李军，杨强，王胜，叶绍泽. 深度神经网络的小样本学习综述[J]. 计算机工程与应用, 2021, 57(7): 22-33.

IMS中基于遗传神经网络的DOS攻击检测模型

DOS detection model in IMS based on GA neural network

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