一种新的基于平均隶属度的网络入侵检测方法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (12): 101-102.

一种新的基于平均隶属度的网络入侵检测方法

冯乃勤,郭战杰,南书坡,董亚杰

河南师范大学计算机与信息技术学院，河南新乡 453007

收稿日期:2007-12-03 修回日期:2008-02-27 出版日期:2008-04-21 发布日期:2008-04-21
通讯作者: 冯乃勤

New network intrusion detection method based on average membership

FENG Nai-qin,GUO Zhan-jie,NAN Shu-po,DONG Ya-jie

College of Computer &Information Technology，Henan Normal University，Xinxiang，Henan 453007，China

Received:2007-12-03 Revised:2008-02-27 Online:2008-04-21 Published:2008-04-21
Contact: FENG Nai-qin

摘要/Abstract

摘要： 针对传统入侵检测算法存在的不足，提出了一种新的基于平均隶属度的网路入侵检测方法——AMID，并且给出了相应的算法。这种方法通过度量实时行为和正常行为的贴近程度来判断当前是否存在异常行为，理论基础夯实，判断过程简单易于实现。实验结果说明，该方法在降低系统误报率方面有较为明显的改进。

关键词: 入侵检测, 隶属度, 子集度, 系统调用

Abstract: Aiming at the shortages of traditional intrusion method，this paper presents a new Network Intrusion Detection Method-AMID，and its algorithm.By measuring the close degree between real time behavior and normal behavior，the proposed method judges if there are intrusions.The experiment shows that this method has considerable improvement in decreasing the false positive rate。

Key words: intrusion detection, membership degree, subset degree, system call

冯乃勤,郭战杰,南书坡,董亚杰. 一种新的基于平均隶属度的网络入侵检测方法[J]. 计算机工程与应用, 2008, 44(12): 101-102.

FENG Nai-qin,GUO Zhan-jie,NAN Shu-po,DONG Ya-jie. New network intrusion detection method based on average membership[J]. Computer Engineering and Applications, 2008, 44(12): 101-102.

[1]	王振东，张林，李大海. 基于机器学习的物联网入侵检测系统综述[J]. 计算机工程与应用, 2021, 57(4): 18-27.
[2]	曹磊，李占斌，杨永胜，赵龙飞. 基于双层注意力神经网络的入侵检测方法[J]. 计算机工程与应用, 2021, 57(19): 142-149.
[3]	沈少禹，蔡满春，芦天亮，赵琪. 基于LFKPCA-DWELM的入侵检测方案[J]. 计算机工程与应用, 2021, 57(17): 130-137.
[4]	巩俊辉，胡晓辉，杜永文. 基于演化博弈的最优防御策略选取研究[J]. 计算机工程与应用, 2021, 57(13): 116-123.
[5]	但雨芳，陶剑文，徐浩特. 可能性聚类假设的半监督分类方法[J]. 计算机工程与应用, 2020, 56(9): 65-74.
[6]	严加展，陈华，李阳. 改进的模糊C-均值聚类有效性指标[J]. 计算机工程与应用, 2020, 56(9): 156-161.
[7]	黎佳玥，赵波，李想，刘会，刘一凡，邹建文. 基于深度学习的网络流量异常预测方法[J]. 计算机工程与应用, 2020, 56(6): 39-50.
[8]	赵亮，朱征宇. 融入K-核迭代因子的重叠社区发现算法[J]. 计算机工程与应用, 2020, 56(3): 61-67.
[9]	陈虹，王闰婷，肖成龙，郭鹏飞，黄洁，陈红霖. 基于DBN-XGBDT的入侵检测模型研究[J]. 计算机工程与应用, 2020, 56(22): 83-91.
[10]	狄冲，李桐. 网络未知攻击检测的深度学习方法[J]. 计算机工程与应用, 2020, 56(22): 109-116.
[11]	汪盼，宋雪桦，王昌达，陈锋，徐夏强，蔡冠宇. 基于改进的深度信念网络的入侵检测方法[J]. 计算机工程与应用, 2020, 56(20): 87-92.
[12]	陈虹，赵建智，肖成龙，陈建虎，肖越. 改进ADASYN-SDA的入侵检测模型研究[J]. 计算机工程与应用, 2020, 56(2): 97-105.
[13]	杨彦荣，宋荣杰，周兆永. 基于GAN-PSO-ELM的网络入侵检测方法[J]. 计算机工程与应用, 2020, 56(12): 66-72.
[14]	吴德鹏，柳毅. 基于可变网络结构自组织映射的入侵检测模型[J]. 计算机工程与应用, 2020, 56(12): 81-86.
[15]	毛英明1，陆慧梅1，向勇2. Linux系统调用跟踪和进程错误退出分析[J]. 计算机工程与应用, 2019, 55(6): 57-66.