基于克隆智能體自學(xué)習(xí)的入侵檢測(cè)方法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩58頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、計(jì)算機(jī)聯(lián)網(wǎng)技術(shù)的發(fā)展改變了以單機(jī)為主的計(jì)算模式,但是,網(wǎng)絡(luò)入侵的風(fēng)險(xiǎn)性和機(jī)會(huì)也相應(yīng)地急劇增多,因此網(wǎng)絡(luò)安全成為一個(gè)十分重要而迫切的問(wèn)題.網(wǎng)絡(luò)安全是一個(gè)包含內(nèi)容很廣泛的技術(shù)領(lǐng)域,在該領(lǐng)域中,最重要而且是最常用的有以下三個(gè)技術(shù)方面:防火墻技術(shù)、入侵檢測(cè)系統(tǒng)以及防病毒技術(shù).入侵檢測(cè)技術(shù)分為兩大類:誤用檢測(cè)(misuse detection)和異常檢測(cè)(anomaly detection).目前異常檢測(cè)還處于研究發(fā)展階段,是入侵檢測(cè)的研究熱點(diǎn)之

2、一.本文引入了一種機(jī)器學(xué)習(xí)規(guī)則的入侵檢測(cè)系統(tǒng)模型,此機(jī)器學(xué)習(xí)規(guī)則基于克隆智能體自學(xué)習(xí)算法搜索入侵檢測(cè)系統(tǒng)中的正常行為規(guī)則集,和傳統(tǒng)基于遺傳算法搜索規(guī)則集的入侵檢測(cè)系統(tǒng)相比,它提高了系統(tǒng)檢測(cè)率和誤警率,大大改善了入侵檢測(cè)系統(tǒng)的性能.它與基于遺傳算法搜索規(guī)則的比較有以下幾點(diǎn):1.由于遺傳算法搜索隨機(jī)性大,收斂速度慢且出現(xiàn)早熟現(xiàn)象,故而降低了用它產(chǎn)生分類規(guī)則的分類性能,導(dǎo)致檢測(cè)時(shí)的檢測(cè)率低且誤警率很高.2.另外,遺傳算法在編碼長(zhǎng)度較長(zhǎng)時(shí),搜索

3、空間擴(kuò)大,由此遺傳算法亦不宜于條件較長(zhǎng)規(guī)則的搜索,不利于KDDCUP2000數(shù)據(jù)的規(guī)則學(xué)習(xí).3.本文基于克隆智能體自學(xué)習(xí)算法來(lái)搜索規(guī)則集,它較好的克服了遺傳算法搜索規(guī)則集以上存在的兩個(gè)問(wèn)題.克隆智能體自學(xué)習(xí)算法是將免疫克隆算法和智能體自學(xué)習(xí)算法有機(jī)結(jié)合為一體的一種新智能算法.它的克隆智能體網(wǎng)格算子和智能體自學(xué)習(xí)算子充分發(fā)揮了高親和度抗體的進(jìn)化潛力,兼顧局部搜索和全局搜索,在克服了遺傳算法的早熟和收斂速度慢的問(wèn)題上效果顯著.同時(shí)智能體自學(xué)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論