一种基于Snort规则和神经网络的混合入侵检测模型

• 作者: 刘明 高玉琢
• 来源期刊: 广西大学学报（自然科学版）
• 学科: 工学
• 关键词: 入侵检测 混合检测 误报率 漏报率
• 年，卷（期）: 2011,（z1）
• 所属期刊栏目: 网络与信息安全
• 页码范围: 110-115
• 分类号: TP391
• 字数: 3895字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-7445.2011.z1.023

摘要

当前入侵检测系统的主要技术基本可以分为误用检测和异常检测两种,针对其在误报率和漏报率方面的不足,结合两种检测技术的特点设计了一种混合型入侵检测方案.先通过模式匹配算法对数据包进行初级检测和数据分流,然后将可疑数据送报高级检测引擎进行智能检测,再将结果反馈给初级检测引擎；相对单一的入侵检测技术,本模型提高了入侵检测系统的检测效率和准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高玉琢	宁夏大学网络管理中心	31	48	4.0	4.0
2	刘明	宁夏大学数学计算机学院	21	59	3.0	7.0