动态自学习的入侵检测模型研究

• 作者: 李从 王加民 王继凤 闫仁武 雷艳云
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 网络安全 异常检测 数据挖掘 入侵检测 动态自学习
• 年，卷（期）: 2009,（11）
• 所属期刊栏目: 信息安全技术
• 页码范围: 2660-2662
• 页数: 3页
• 分类号: TP309.08
• 字数: 2989字
• 语种: 中文

摘要

针对目前常见的入侵检测的模型的一些结构性的缺点,提出了基本数据挖掘的动态自学习入侵检测模型DMIDS,给出了动态自学习的正常行为库的更新机制,克服了传统静态检测模型必须完全重新学习才能更新模型甚至无法重新学习的缺陷.通过基于KDD'99数据集的实验,表明其相对于传统的异常检测方法在保证较高检测率的前提下,有效地降低了误报率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫仁武	江苏科技大学计算机科学与工程学院	22	111	6.0	9.0
2	雷艳云	江苏科技大学计算机科学与工程学院	3	14	2.0	3.0
3	王继凤		5	3	1.0	1.0
4	王加民	江苏科技大学计算机科学与工程学院	5	28	2.0	5.0
5	李从	江苏科技大学计算机科学与工程学院	2	8	1.0	2.0