共查询到15条相似文献，搜索用时 125 毫秒
1.
提出了一种基于自适应半径免疫算法(ARIA)的入侵检测方法.ARIA训练得到的抗体网络充分保留了原始数据的密度分布信息,具有准确的空间形态;再用最小生成树算法和zahn划分标准对抗体网络细胞聚类,聚类得到的簇被标记为正常或异常并用于网络异常检测中.对KDD CUP 99数据集的实验结果表明:相对于基于aiNet的入侵检测方法,新的算法检测率高、误报率低,能够有效识别KDD中的已知攻击和未知攻击. 相似文献
2.
针对目前入侵检测系统入侵检测准确性低，误报率高，在检测到入侵时只能被动响应，不能采取积极主动的防御措施等特点，提出一个具有自适应、主动响应能力的网络入侵检测和防御系统模型，称为anidp。并详细讨论该模型的体系结构、特点以及实现技术等。 相似文献
3.
基于智能体的自适应入侵检测系统 总被引：1，自引：0，他引：1
提出了一种基于智能体技术的自适应入侵检测系统体系结构,将智能体技术和自适应模型生成技术应用于入侵检测系统中.智能体技术的应用解决了传统的集中式入侵检测系统的弊病,将任务处理和数据分布到网络各个结点上,通过各种智能体来协作完成入侵检测任务,充分利用网络和主机资源.而智能体与自适应模型生成技术相结合,采用遗传算法建立准确的数据模型,使得入侵检测系统能够自动配置和更新不同环境下的入侵检测模型,能够通过自我学习、自我改进来提高系统的入侵检测能力和适应能力. 相似文献
4.
为解决无监督入侵检测算法检测率低,有监督的入侵检测不能有效的检测未知攻击的问题,提出了一种粒子群优化的半监督入侵检测算法,算法对少量的约束信息进行基于密度的扩展获得潜在约束得到聚类模型,以此指导未标记数据聚类,对仍没有确定类别的未标示数据使用粒子群优化的K均值算法进行聚类实现对异常的检测。改进的算法检测率达到83.7%,误报率减少至3.13%,总体效果优于无监督和有监督学习的入侵检测算法。 相似文献
5.
岩性识别作为人工智能和大数据在地质工程细分领域的实践应用方向, 可以为相关人员野外地质工作提供有效助力。为了更好地促进岩性识别在专业领域的应用, 通过对巢湖北部山区的岩石图像采集、数据预处理、迁移学习、网络搭建、网络训练及模型测试等步骤, 实现了基于岩石图像的大数据深度学习识别; 并在归纳总结前人工作的基础上, 提出了多尺度岩性识别方法。根据岩石细观图像建立多尺度模型并赋予一定权重, 与岩石识别模型共同识别得到综合结果, 对岩石岩性整体识别的同时兼顾局部纹理、粒径等细观信息。研究结果表明, 本模型对岩石识别的适用性强, 多尺度方法对于提高识别结果的正确率具有一定的帮助, 模型的测试正确率达到95%以上, 能很好地识别岩石岩性。 相似文献
6.
从人体免疫网络抵御抗原与计算机网络抵御入侵的相似性,提出一个基于遗传算法的免疫网络并应用于分布式入侵检测系统.将一个基于每秒网络数据量为参数的时间序列作为检测子的抗体表达形式,在单个网段检测网络数据,通过各个网段之间的抗体交流,实现抗体的优化.在抗体的进化过程中,提出了较好地评价抗体适应度的评估函数,为优化抗体的遗传算法的实现打下了基础. 相似文献
7.
针对无监督的入侵检测检测效率较低,而有监督入侵检测算法不能有效的检测异常攻击,提出一种半监督学习的入侵检测算法,新算法先用有标记数据进行初始聚类,然后利用初始聚类指导未标记数据聚类,最后使用K近邻算法对仍没有确定类别的未标示数据对异常进行检测,结果表明,改进后算法的效果优于无监督和有监督学习的入侵检测算法。 相似文献
8.
通过自主研发设计的非开挖随钻检测系统,采集非开挖钻进参数,进行非开挖钻进实时地层岩性识别,为非开挖施工提供安全信息保证。针对非开挖工程工勘资料缺乏,掘进地层岩性难以判断的问题,提出了一种基于非开挖随钻检测系统实时采集数据,利用随机森林算法建立地层识别模型,通过模型去识别未知地层,并将识别结果可视化展示。通过非开挖随钻检测系统在工程现场的实际应用,获得了包括钻速、扭矩、转速、拉力、泵压、泵量等钻进敏感参数作为训练样本,利用随机森林算法对采集的钻进参数进行训练,构造决策树与随机森林,对钻进参数进行分类,建立了以典型非开挖地层岩性分类为目标的分类模型,分别确定了杂填土、黏土、粉细砂、砾石和淤泥的地层分类标签。进一步,基于机器学习的分类结果,利用PCA主成分分析将地层识别特征降维至三维,实现了地层岩性识别结果的三维展示。将预测模型应用于实际工程,以验证其有效性。结果表明,该方法能在非开挖实时钻进条件下快速识别钻进地层,识别正确率高达92%。该研究成果通过采集导向随钻参数,识别非开挖掘进段地层岩性,为非开挖扩孔阶段钻具选型、泥浆设计等提供了重要信息。 相似文献
9.
分析了入侵检测系统及NIDS的基本原理.利用WinPcap驱动和Libnids技术在Windows环境下对网卡进行编程,从网络数据包的捕获和分析着手,设计并实现了一个网络入侵检测系统. 相似文献
10.
基于BP神经网络的智能入侵检测系统 总被引：14，自引：0，他引：14
介绍了BP神经网络的基本知识，设计了基于BP神经网络的智能入侵检测系统。并提出了根据不同的网络协议使用不同神经网络的思想，指出了每个神经网络需要的网络数据，并阐述了训练和测试神经网络的方法。 相似文献
11.
针对高维数据包含的不相关和冗余特征影响检测方法性能的问题,提出了基于遗传神经网络入侵特征选择模型.该模型在传统的遗传神经网的输入层和隐含层之间增加特征选择层,并在特征选择层与输入层间设置连接开关,如果开关合上,则该特征被选中;否则为放弃.实验结果表明,该模型在保持原有信息完整性的同时,能有效减少冗余特性;在保证检测准确率的前提下,有效提高系统的检测速度. 相似文献
12.
One of the most important causes of the freshwater shortage in estuarine area is the increasing seawater intrusion into the river. To simulate seawater intrusion properly, two important factors should be considered. One is the bidirectional and time-dependent coupling effects between river discharges and tidal forces. The other is the three-dimensional and stratified structure of dynamic processes involved. However, these two factors have rarely been investigated simultaneously, or they were often simplified in previous researches, especially for the estuary connected with an upstream river network through multiple outlets such as the Pearl River Estuary (PRE). In order to consider these two factors, a numerical modeling system, which couples a one-dimensional river network model with a three-dimensional unstructured-grid Finite-Volume Coastal Ocean Model (FVCOM), has been developed and successfully applied to the simulation of seawater intrusion into rivers emptying into the PRE. By treating the river network with a one-dimensional model, computational efficiency has been improved. With coupling 1D and 3D models, the specification of up-stream boundary conditions becomes more convenient. Simulated results are compared with field measured data. Good agreement indicates that the modeling system may correctly capture the physical processes of seawater intrusion into rivers. 相似文献
13.
提出一种基于主成分分析（PCA）的ZTD时空建模方法,并利用GNSS连续运行参考站获取的ZTD数据,建立香港、云南、中国3个区域范围的ZTD时空模型。结果表明,所建立的区域对流层延迟时空模型不仅精度明显高于Saastamoinen、EGNOS和UNB3m模型,而且建模过程简单,模型参数较少,使用方便。 相似文献
14.
主机网络安全防护技术的研究与应用 总被引：1，自引：0，他引：1
采用CONSOLE-MANAGER-AGENT的分布式体系结构，综合入侵检测与访问控制等安全技术，基于网络安全模型P2DR，提出了一个动态和静态相结合，集防护、检测和响应为一体的主机系统可适应综合安全模型；并在此基础上设计和实现了USAMS(UNIX Security Audit Management System)，对涉密网内的主机系统实施综合安全防护。 相似文献
15.
《山地科学学报》2021,(8)
Landslide probability prediction plays an important role in understanding landslide information in advance and taking preventive measures. Many factors can influence the occurrence of landslides, which is easy to have a curse of dimensionality and thus lead to reduce prediction accuracy. Then the generalization ability of the model will also decline sharply when there are only small samples. To reduce the dimension of calculation and balance the model's generalization and learning ability, this study proposed a landslide prediction method based on improved principal component analysis(PCA) and mixed kernel function least squares support vector regression(LSSVR) model. First, the traditional PCA was introduced with the idea of linear discrimination, and the dimensions of initial influencing factors were reduced from 8 to 3. The improved PCA can not only weight variables but also extract the original feature. Furthermore, combined with global and local kernel function, the mixed kernel function LSSVR model was framed to improve the generalization ability. Whale optimization algorithm(WOA) was used to optimize the parameters. Moreover, Root Mean Square Error(RMSE), the sum of squared errors(SSE), Mean Absolute Error(MAE), Mean Absolute Precentage Error(MAPE), and reliability were employed to verify the performance of the model. Compared with radial basis function(RBF) LSSVR model, Elman neural network model, and fuzzy decision model, the proposed method has a smaller deviation. Finally, the landslide warning level obtained from the landslide probability can also provide references for relevant decision-making departments in emergency response. 相似文献