文献

J-GLOBAL ID：201702281179263784   整理番号：17A1989676

特徴選択に基づくネットワーク侵入検出モデル研究【JST・京大機械翻訳】

Network Intrusion Model Based on Feature Selection Research

著者 (1件)： Li Wen (广東科貿職業学院信息工程系,广州,510640)
資料名： Jisuanji Celiang yu Kongzhi  (Jisuanji Celiang yu Kongzhi)
巻： 25  号： 8  ページ： 214-217  発行年： 2017年 
JST資料番号： C3592A  ISSN： 1671-4598  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： 効率的に収集された悪意のあるデータから特徴を分析するために,ネットワークシステムの安全性と安定性を保証するために,ネットワーク侵入検出モデルを研究する必要がある。しかし,現在のところ,遺伝的アルゴリズムを用いてネットワーク侵入の特徴部分集合を見つけ,粒子群最適化アルゴリズムを用いて,さらに最適な特徴部分集合を見出し,最後に限界学習機械を用いてネットワーク侵入を分類するが,この方法の精度は低い。この問題を解決するために,特徴選択に基づくネットワーク侵入検出モデルを提案した。まず第一に,最適化性能を強化することを目標として,ネットワーク侵入検出の特徴選択を行い,そして,特徴的属性のFisher比を用いて,特徴部分集合の評価関数を構築した。次に,特徴選択に基づくネットワーク侵入検出モデルを,サポートベクトルマシン(SVM)を用いて計算した。シミュレーション結果は,侵入検出の速度と侵入検出の正確さをサポートベクトルマシンによって効果的に改善することができることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 学習機械 ,  *特徴選択 ,  遺伝的アルゴリズム ,  評価関数 ,  サポートベクトルマシン ,  最適化 ,  *ネットワーク ,  シミュレーション ,  部分集合
準シソーラス用語： 粒子群最適化 ,  *侵入 ,  システム安全性 ,  *侵入検知 , 【Automatic Indexing@JST】

著者キーワード (3件)： mobile application platform ,  Network security ,  Assessment

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 特徴選択 ,  侵入 ,  モデル ,  研究