基于动态分类算法的入侵检测系统

• 作者: 刘衍珩 张圣晗 李宾 王一博 甘文珍 田大新
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: 入侵检测 联想学习 竞争学习 自适应谐振理论 动态分类
• 年，卷（期）: 2006,（2）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 197-203
• 页数: 7页
• 分类号: TP393
• 字数: 4660字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5896.2006.02.016

摘要

为了使分类方法适合网络入侵检测系统在线、实时的特点,根据自适应谐振理论提出了基于联想和竞争学习的动态分类算法.算法采用改进的胜者全得方法训练神经网络,通过估算类别数目方法优化初始系数.该算法能防止分类时丢弃特殊模式,并能对未知类别数量的数据动态进行分类,实验采用相同的数据集训练自适应谐振理论网络和动态分类网络.结果证明,动态分类算法具有良好的收敛性和模式分类能力.将该算法应用于入侵检测系统的网络行为智能学习,其误报率仅为10%左右.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田大新	吉林大学计算机科学与技术学院	15	284	8.0	15.0
2	刘衍珩	吉林大学计算机科学与技术学院	99	816	14.0	25.0
3	李宾	吉林大学数学学院	12	109	4.0	10.0
4	王一博	吉林大学软件学院	10	30	2.0	5.0
5	张圣晗	吉林大学软件学院	1	15	1.0	1.0