基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
采用改进的人工蜂群优化算法解决密度聚类异常入侵检测中的参数和特征组合优化问题.首先,在初始化蜜源阶段采用不同的编码方法分别对参数和特征值进行编码;然后,在邻域搜索阶段利用两种搜索策略分别对参数和特征值进行搜索;最后,为满足异常入侵检测对低误报率的需求,在新的适应值函数中加入误报率影响因子.实验结果表明,基于人工蜂群优化的密度聚类异常入侵检测算法不仅提高了正常行为轮廓的精度,而且降低了计算开销和存储空间,并在一定程度上消除噪声特征的干扰,实现了检测性能的提升.
推荐文章
基于人工蜂群算法的分布式入侵攻击检测系统
人工蜂群算法
网络安全
入侵检测系统
人工智能
特征选择
决策树
基于CDbw和人工蜂群优化的密度峰值聚类算法
聚类分析
CDbw评价指标
密度峰值
密度聚类
人工蜂群算法
人工蜂群算法优化支持向量机的网络入侵检测
网络安全
入侵行为
支持向量机参数
人工蜂群算法
分类器
基于改进人工蜂群算法与MapReduce的大数据聚类算法
数据分析
聚类算法
人工蜂群算法
灰狼优化算法
云计算
分布式计算
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于人工蜂群优化的密度聚类异常入侵检测算法
来源期刊 吉林大学学报(理学版) 学科 工学
关键词 密度聚类 异常入侵检测 组合优化 人工蜂群
年,卷(期) 2018,(1) 所属期刊栏目 计算机科学
研究方向 页码范围 95-100
页数 6页 分类号 TP39
字数 4234字 语种 中文
DOI 10.13413/j.cnki.jdxblxb.2018.01.16
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 卢奕南 吉林大学计算机科学与技术学院 30 420 9.0 20.0
2 底晓强 长春理工大学计算机科学技术学院 27 134 6.0 11.0
3 任维武 长春理工大学计算机科学技术学院 5 13 2.0 3.0
4 张波辰 吉林大学计算机科学与技术学院 1 11 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (11)
参考文献  (5)
节点文献
引证文献  (11)
同被引文献  (33)
二级引证文献  (8)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(5)
  • 参考文献(1)
  • 二级参考文献(4)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(5)
  • 参考文献(2)
  • 二级参考文献(3)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(3)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(3)
  • 二级引证文献(0)
2018(3)
  • 引证文献(3)
  • 二级引证文献(0)
2019(11)
  • 引证文献(6)
  • 二级引证文献(5)
2020(5)
  • 引证文献(2)
  • 二级引证文献(3)
研究主题发展历程
节点文献
密度聚类
异常入侵检测
组合优化
人工蜂群
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
吉林大学学报(理学版)
双月刊
1671-5489
22-1340/O
大16开
长春市南湖大路5372号
12-19
1955
chi
出版文献量(篇)
4812
总下载数(次)
6
总被引数(次)
24333
论文1v1指导