研究文章雷竞技app下载苹果版

混合入侵检测系统的体系结构使用棕褐色& GA算法

文摘

急剧发展的互联网,网络流量安全成为计算机网络系统的一个主要问题。攻击网络每天都在增加。许多聪明的学习机器学习技术应用于大量数据的建设一个高效的入侵检测系统(IDS)。几个机器学习范例包括神经网络、遗传编程(LGP),线性支持向量机(SVM),贝叶斯网络、多元自适应回归样条函数(火星)模糊推理系统(费斯)等研究了IDS的设计。介绍了入侵检测系统的概述和混合入侵检测技术基于。树增强朴素贝叶斯(TAN)算法和遗传算法。谭算法将数据集分为不同类别识别正常/攻击数据包,而遗传算法用于生成一个新的数据通过应用突变操作现有的数据集来产生一个新的数据集。因此该算法分类基准KDD99入侵检测数据集来确定不同的攻击类型,检测精度高。实验结果还表明,检测攻击的准确性是相当不错的。

Namita Parati, Sumalatha Potteti

阅读全文下载全文