基于增量式GHSOM神经网络模型的入侵检测研究
传统的网络入侵检测方法利用已知类型的攻击样本以离线的方式训练入侵检测模型,虽然对已知攻击类型具有较高的检测率,但是不能识别出网络上新出现的攻击类型.本文提出了一种基于增量式GHSOM神经网络模型的入侵检测方法,在不破坏已学习过的知识的同时,对在线检测过程中新出现的攻击类型进行增量式学习,实现对入侵检测模型的动态扩展.在线入侵检测实验结果表明增量式GHSOM入侵检测方法具有动态自适应性,而且对于网络新出现的攻击类型,增量式GHSOM算法与传统GHSOM算法的检测率相当.
互联网安全 入侵检测 神经网络模型 增量式学习 生长型分层自组织映射
杨雅辉 黄海珍 沈晴霓 张英
北京大学 软件与微电子学院,北京 中国 102600
国内会议
张家界
中文
385-392
2013-07-01（万方平台首次上网日期，不代表论文的发表时间）