搜索结果:找到“谢堉鑫”相关结果2条
排序: 按相关 按相关 按时间降序
  • 【论文】 分布式集成学习在入侵检测中的应用研究

    作者:谢堉鑫 关键词:入侵检测 ; 分布式集成学习 ; 自适应反馈调节 ; 核主成分分析 ; 核独立成分分析 机构:吉林大学 ; 吉林大学 年份:2012
    摘要:随着互联网的迅速发展,网络安全已经成为全球需要解决的重要问题。入侵检测系统作为一种保护信息系统安全的重要手段,受到了广泛的关注。和早期的静态防御工具相比,入侵检测系统采用的是主动防御的动态策略,能够有效地检测出入侵行为,并及时作出响应以减少该入侵所造成的损失。目前流行的入侵检测系统仍需要在两方面进一步完善,一是提高系统的检测性能,二是具有处理大规模数据的能力。本文从这两方面展开研究,提出了一种混杂的入侵检测模型KDIDM。该模型将KPCA和KICA分布式集成学习和基于Hebb规则的分布式神经网络有机地结合在一起,并通过一种自适应反馈调节算法调整KPCA和KICA在集成学习中所占的比重,从而使KDIDM尽可能快地得到最优的检测效率。本文通过国际流行的数据集KDD’99进行的一系列相关实验表明,与现有入侵检测系统相比较,KDIDM在得到了更高检测正确率的同时,具有了更低的漏报率和误报率,是一种更为有效的入侵检测方法。本文通过KDIDM在线检测了四种攻击方式,并得到了良好的检测效果。其中,KDIDM对SYN Flooding攻击的检测尤为出色。
  • 【期刊】 基于分布式集成学习的入侵检测模型

    刊名:计算机工程 作者:谢堉鑫 ; 刘衍珩 ; 朱建启 ; 孙鑫 ; 付枫 关键词:入侵检测 ; 集成 ; 核主成分分析 ; 核独立成分分析 ; 分布式神经网络 机构:吉林大学计算机科学与技术学院 ; 吉林大学计算机科学与技术学院 ; 吉林大学符号计算与知识工程教育部重点实验室 年份:2011
    摘要:针对入侵检测系统的高漏报率及高误报率问题,提出一种混杂入侵检测模型。该模型分别构造基于核主成分分析(KPCA)和核独立成分分析(KICA)的特征提取器,并采用集成学习对特征提取结果进行整合学习。采用分布式神经网络对集成结果进行再学习,从而实现对大规模数据的分布式处理。通过反馈机制调节KPCA和KICA的集成学习权重,达到最优检测效果。采用KDD CUP’99数据集进行测试实验,结果表明:该模型能够获得较高的检测正确率,同时具有较低的漏报率及误报率。