新型入侵增量识别入侵检测模型

• 作者: 刘佳 刘培玉 孔凡玉 张平 李新金
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 决策树 增量识别入侵检测 自适性入侵检测 新型入侵检测 轻量贝叶斯分类
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 安全技术
• 页码范围: 320-325
• 页数: 6页
• 分类号: TP309
• 字数: 4926字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.03.057

摘要

随着计算机和网络技术的不断发展,新的入侵模式不断产生,传统的入侵检测模型难以适应新的入侵模式的变化,致使检测新型入侵困难.为了达到自动进化改进入侵模型,快速监测新型入侵模式的目的,提出一种新型入侵检测增量识别方案.各个监测点具有相互交流机制,通过定期交流自身异常情况信息并判断周围设备通信情况,可以形成局部和全局异常流量的状况,共同进行入侵检测,防止单一主机入侵检测的盲点.根据各个节点收集的信息向堡垒主机反馈数据,形成全局异常值,如果全局异常值达到规定的阈值,判断为出现新型入侵行为.堡垒主机采用了相对分类快速、准确的决策树算法作为入侵分类算法.为了能使决策树分类能够快速自动进化改进,提出一种能够快速自我改进决策树局部的决策树改进方法.对整体环境的仿真实验表明,在基于入侵模式识别异常情况,决策树改进算法在自我进化后,对于加入新型入侵模式的入侵有效识别率可以达到94.09％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘培玉	山东师范大学历山学院电子与信息工程学院	126	1276	18.0	27.0
2	张平	山东师范大学历山学院电子与信息工程学院	4	19	2.0	4.0
3	孔凡玉	山东大学网络信息安全研究所	18	147	8.0	11.0
4	刘佳	山东师范大学历山学院电子与信息工程学院	41	85	6.0	7.0
8	李新金	山东师范大学历山学院电子与信息工程学院	5	5	2.0	2.0