您的位置： 专家智库 > >

江苏省自然科学基金(BK2005009)

作品数：16 被引量：47H指数：4
相关作者：潘志松缪志敏胡谷雨倪桂强罗隽更多>>
相关机构：解放军理工大学更多>>
发文基金：江苏省自然科学基金国家自然科学基金中国博士后科学基金更多>>
相关领域：自动化与计算机技术更多>>

文献类型

  • 15篇中文期刊文章

领域

  • 15篇自动化与计算...

主题

  • 10篇单类分类器
  • 10篇分类器
  • 9篇支持向量
  • 9篇向量
  • 8篇入侵
  • 8篇入侵检测
  • 6篇异常检测
  • 5篇支持向量数据...
  • 5篇数据描述
  • 5篇安全审计
  • 5篇SVDD
  • 4篇支持向量描述
  • 2篇映射
  • 2篇入侵检测系统
  • 2篇特征映射
  • 2篇自组织
  • 2篇自组织特征映...
  • 2篇半监督学习
  • 2篇ADABOO...
  • 1篇多类分类

机构

  • 15篇解放军理工大...

作者

  • 15篇潘志松
  • 10篇胡谷雨
  • 10篇缪志敏
  • 8篇倪桂强
  • 5篇罗隽
  • 4篇丁力
  • 3篇赵陆文
  • 2篇严岳松
  • 1篇周志杰
  • 1篇陈彦德
  • 1篇王琼
  • 1篇谭琳
  • 1篇袁伟伟
  • 1篇李佳桢
  • 1篇孙永红
  • 1篇张晖

传媒

  • 2篇计算机研究与...
  • 2篇数据采集与处...
  • 2篇解放军理工大...
  • 1篇模式识别与人...
  • 1篇通信学报
  • 1篇计算机工程
  • 1篇微电子学与计...
  • 1篇兰州大学学报...
  • 1篇应用科学学报
  • 1篇南京理工大学...
  • 1篇计算机科学
  • 1篇智能系统学报

年份

  • 1篇2010
  • 4篇2009
  • 5篇2008
  • 3篇2007
  • 2篇2006
共 16 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
基于改进隐马尔可夫模型的系统调用异常检测被引量：4
2009年
针对隐马尔可夫模型计算开销过高的问题,提出了一种新的基于隐马尔可夫模型(Hidden Markov model,HMM)的异常检测方法,利用系统调用执行迹具有的局部规律性,用改进的HMM(Improved HMM,IHMM)学习算法来构建程序正常行为模型。在检测时,首先对待测系统调用数据用滑动窗口划分,并通过正常行为模型来判定异常,根据异常短序列占所有短序列的百分比来判断该进程是否行为异常。实验结果显示该方法训练耗时仅为传统方法的1%。当阈值在一个较大范围内变化时,模型的检测性能始终保持稳定。表明本文方法通过避免对大量相同短序列的重复计算,显著减少了训练时间和计算开销,在实际应用中具有良好的可操作性。
王琼倪桂强潘志松缪志敏胡谷雨
关键词：入侵检测异常检测隐马尔可夫模型
一种基于聚类分布的支持向量数据描述
2008年
在基于解决单类问题的支持向量数据描述算法基础上提出了基于聚类分布信息的c-SVDD算法.该算法对带野值的SVDD算法中的C值重新定义.通过增加核空间下测试样本的聚类分布信息。为每个样本定义一个特定的c值.c-SVDD算法适应于解决类别不平衡学习问题.该算法在保证少类样本高分类精度前提下,还有效提高了全样本的分类精度,更符合现实不平衡问题中对少类样本的处理要求.对UCI数据集和人工样本集进行实验.改进后的c-SVDD算法比带野值的SVDD算法AUC值平均提高0.14以上;比AdaBoost算法在正类查全率上平均提高40%,精确度也提高了至少5%.
缪志敏赵陆文潘志松胡谷雨
关键词：支持向量数据描述ADABOOST
安全审计中频率敏感的异常检测算法
2008年
传统使用系统调用序列的异常检测算法主要关注切分的长度,忽略了各个系统调用序列的发生频率对整个检测结果的重要性。该文提出一种对序列发生频率敏感的基于支持向量描述异常检测算法,利用发生频率定义样本的重要性,使分类器更加倾向于这些重要的样本。采用国际标准数据集进行测试,讨论了核参数对分类结果的影响。实验结果表明,与传统检测模型相比,基于序列发生频率的检测模型具有较低的误警率。
罗隽丁力潘志松胡谷雨倪桂强
关键词：安全审计入侵检测系统支持向量描述单类分类器
基于支持向量描述的安全审计异常检测模型
2006年
在传统的网络安全审计系统中,需要由专家定义攻击特征来检测异常活动.由于攻击数据难以获取,往往只能得到正常用户的系统调用审计信息.设计了基于支持向量描述的单类分类器的安全审计模型,所有偏离正常模式的活动都被认为是入侵.通过对主机系统执行迹国际标准数据集的测试,只利用少量的训练样本,实验获得了对异常样本100%的检测率,而平均虚警率接近为0. 只利用正常样本建立了一个单分类器的异常检测模型,使得系统具有对新的异常行为的检测能力.
潘志松罗隽倪桂强胡谷雨
关键词：安全审计入侵检测支持向量描述单类分类器
异常检测中单类分类算法和免疫框架设计被引量：6
2006年
基于主机系统执行迹的异常检测系统可以检测类似U2R和R2L这两类攻击。由于攻击数据难以获取,往往只能得到正常的系统调用执行迹数据。该文设计了基于自组织特征映射的单类分类器的异常检测模型,只利用正常数据建立分类器,所有偏离正常模式的活动都被认为是入侵。通过对主机系统执行迹数据集的测试,试验获得了对异常样本接近100%的检测率,而误报警率为4.9%。该文将单类分类器作为抗体检测器,运用人工免疫学原理建立了分布式的异常检测框架,使入侵检测系统具有分布式、自组织和高效的特性,为建立分布式的入侵检测提出一种新的思路。
潘志松倪桂强谭琳胡谷雨
关键词：入侵检测自组织特征映射单类分类器
基于半监督学习的单类分类器被引量：1
2010年
半监督学习是一种利用有标记样本和无标记样本进行学习的新的机器学习方法。针对单分类中只有目标类标记样本和大量无标记样本的情况,提出了一种基于半监督学习的单类分类算法。利用已标识的有标记样本建立两个单类分类器,通过相互学习来挖掘未标记样本中的隐含信息,扩大有标记样本的数量。利用所有已标识样本,用不同的单分类方法建立多个单类分类器,通过集成学习的方法得到最终的分类器。在UCI数据集上进行了实验,表明提出的基于半监督学习的单类分类器的有效性。
潘志松严岳松缪志敏倪桂强张晖
关键词：单类分类器半监督学习
基于SVDD的半监督入侵检测研究被引量：7
2009年
提出了一种基于SVDD的半监督入侵检测算法.该算法利用少量有标记正常网络数据建立两个SVDD分类器,通过相互学习来挖掘未标记数据中的隐含信息,扩大有标记正常网络数据的数量.再利用所有已标记正常网络数据用不同的单分类方法建立多个单类分类器,通过集成学习的方法得到最终的分类器.实验表明,该算法具有良好的识别性能.
严岳松倪桂强缪志敏潘志松汪肇强
关键词：入侵检测半监督学习CO-TRAINING单类分类器
一种新的基于SVDD的多类分类算法被引量：4
2009年
目前的多类学习方法大多将多类问题转化为二类问题,这样处理除了时间开销大,还存在识别盲区。提出了一种直接进行多类学习的算法multi-SVDD。该算法在考虑大样本和多类样本数据中的类内不平衡现象基础上,首先为每类训练样本进行聚类,根据聚类结果由支持向量数据描述(SVDD,Support Vector Date Description)建立多个最小包围球。根据测试样本到SVDD所建立的最小包围球的距离来确定测试样本属于哪个聚类,最终可判断测试样本属于哪个类。multi-SVDD算法在时空开销上相比最小包围球方法没有明显增长,而实验效果则好于最小包围球方法。
缪志敏潘志松袁伟伟赵陆文
关键词：支持向量数据描述聚类
异常检测中频率敏感的单分类算法研究被引量：3
2007年
使用系统调用序列的异常检测系统对于模拟正常用户的攻击行为有较好的检测效果.传统的算法主要关注切分的长度,却忽略了各个系统调用序列的发生频率对整个检测结果的重要性.在对样本进行切分的情况下,构建了一个对系统调用序列发生频率敏感的基于支持向量描述异常检测模型,利用发生频率定义样本的"重要性",使分类器更加倾向于这些重要的样本.采用国际标准数据集进行测试.实验表明,与传统的检测模型相比,基于序列发生频率的检测模型具有较低的误报警率.
罗隽丁力潘志松胡谷雨
关键词：安全审计入侵检测系统支持向量数据描述单类分类器
基于写相关支持向量描述的入侵防护审计模型研究被引量：3
2007年
设计了基于写相关支持向量描述的安全审计模型来实现一个新的单类分类器,对系统调用中"写性质"子集进行监视和分析,并以此训练单类分类器,使偏离正常模式的活动都被认为是潜在的入侵。该模型仅利用正常样本建立了单分类器,因此系统还具有对新的异常行为进行检测的能力。通过对主机系统执行迹国际标准数据集的优化处理,只利用少量的训练样本,实验获得了对异常样本100%的检测率,而平均虚警率接近为0。
罗隽潘志松缪志敏胡谷雨
关键词：入侵防护入侵检测安全审计单类分类器
全选 清除 导出
共2页<12>
聚类工具0