文献

J-GLOBAL ID：201702290098365988   整理番号：17A0102287

非定常データ流下のネットワーク侵入検知最適化手法の研究【JST・京大機械翻訳】

Intrusion Detection Research Network Optimization Method of Non-Stationary Flow Of Data

著者 (1件)： Wu Huaisheng (School of Physics And Electronic Information Engineering,Qinghai University of nationalities)
資料名： Jisuanji Fangzhen  (Jisuanji Fangzhen)
巻： 33  号： 9  ページ： 288-291,316  発行年： 2016年 
JST資料番号： C2937A  ISSN： 1006-9348  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 非定常データフローのネットワークには一定の複雑性と時変性があるため、ネットワーク侵入検知を行う必要がある。しかし,従来の検出アルゴリズムは,非定常データストリームのデータ特性を効果的に抽出することができず,検出精度が低いという問題がある。この問題を解決するために,非定常データフローに基づくネットワーク侵入検知の最適化方式を提案する。まず第一に,非定常データストリームにおけるネットワーク侵入データの特性部分集合をアリコロニーアルゴリズムによって選択して,冗長な特性を除去した。情報利得を計算し,異なる特徴サブセットの特徴重みを決定し,BAYES分類器を用いて各特徴重みを分類し,非定常データ流下のネットワーク侵入検知のクラス事後確率値を計算し,判別関数を用いて非定常データ流下のネットワーク侵入検知判別を完成した。シミュレーション結果は,提案したアルゴリズムが非定常データフローのネットワーク侵入検知の精度が高く,良好な安定性を有することを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  部分集合 ,  *ネットワーク ,  事後確率 ,  識別関数 ,  *最適化 ,  *侵入 ,  検出アルゴリズム ,  複雑性 ,  *改変
準シソーラス用語： 情報利得 ,  アントアルゴリズム ,  検出精度 ,  データストリーム ,  データフロー ,  *非定常性 , 【Automatic Indexing@JST】

著者キーワード (3件)： Nonstationary data stream ,  Intrusion detection ,  Bayesian classifier

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 非定常 ,  ネットワーク侵入検知 ,  最適化手法 ,  研究