基于迁移学习和D-S理论的网络异常检测

• 作者: 刘渊 孙剑 赵新杰
• 来源期刊: 计算机应用研究
• 关键词: 迁移学习 D-S理论 异常行为分析 数据融合
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 信息安全技术
• 页码范围: 1137-1140
• 页数: 4页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.04.039

摘要

对于分布不同或分布相似的未知类型的网络攻击，目前的异常检测技术往往不能达到预期的效果。针对上述问题，研究了一种基于迁移技术和D-S证据理论的网络异常检测方法。首先用迁移学习方法对已知网络攻击进行建模，此模型在构建时考虑了不同分布的异常攻击间的差异；然后用其训练得到的分类器对未知的网络行为进行分析，结合D-S证据理论，可以检测出分布不一致的未知攻击类型。实验结果表明，该方法泛化了传统的网络异常检测技术，对未知的网络异常有着较高的检测率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘渊	江南大学数字媒体学院	235	1325	17.0	25.0
2	孙剑	江南大学数字媒体学院	3	24	3.0	3.0
3	赵新杰	江南大学数字媒体学院	2	21	2.0	2.0