基于数据挖掘的Snort增强模型的研究

• 作者: 李玲娟
• 来源期刊: 南京邮电学院学报
• 学科: 工学
• 关键词: 数据挖掘 Snort 入侵检测
• 年，卷（期）: 2004,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 1-5
• 页数: 5页
• 分类号: TP393.08|TP311.13
• 字数: 4919字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5439.2004.04.001

摘要

Snort是一个简单而有效的基于规则的开源入侵检测系统,但有一定的局限性.论文提出了一个基于数据挖掘的Snort增强模型以采用各种数据挖掘技术来解决Snort的某些局限,还构建了基于案例推理(CBR)的应用实例,良好地验证了模型的正确性和灵活性,且由于"自适应"的特点,该模型还具有较强的可扩展性和交互性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李玲娟	南京邮电学院计算机科学与技术系	88	927	14.0	26.0