基于迁移学习和D-S理论的网络异常检测

来源 :计算机应用研究 | 被引量 : 0次 | 上传用户:yux444
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
对于分布不同或分布相似的未知类型的网络攻击,目前的异常检测技术往往不能达到预期的效果。针对上述问题,研究了一种基于迁移技术和D-S证据理论的网络异常检测方法。首先用迁移学习方法对已知网络攻击进行建模,此模型在构建时考虑了不同分布的异常攻击间的差异;然后用其训练得到的分类器对未知的网络行为进行分析,结合D-S证据理论,可以检测出分布不一致的未知攻击类型。实验结果表明,该方法泛化了传统的网络异常检测技术,对未知的网络异常有着较高的检测率。
其他文献
现有的网络编码广播重传算法都没有考虑对长度不等的数据分组进行编码重传时的编码效率及相应的编码算法优化问题。为此,针对性地提出一种基于非对称网络编码的无线多媒体广播
在协作认知网络中,针对次用户作为转发中继时主用户信息容易被窃听的问题,提出了一种基于功率分配的安全波束成形设计方法。根据任意转发波束成形功率占比,以次用户的传输速