造价通
更新时间:2026.08.22
基于改进D-S证据理论的网络入侵检测

格式:pdf

大小:407KB

页数: 6页

为提高网络入侵检测的检测效果,提出了一种基于改进D-S证据理论的信息融合网络入侵检测方法。该方法首先采用支持向量机(S upport Vector Machine,SVM)统计机器学习方法分别对基于主机和基于网络的数据进行训练;然后针对D-S证据理论无法解决证据之间冲突问题,从合成规则着手,提出一种改进的D-S证据理论;最后采用改进的D-S证据理论对SVM的训练结果进行融合,兼顾了两类检测结果的优势,提高了网络入侵检测的性能。仿真结果表明,与单一的入侵检测策略相比,该方法能有效提高网络入侵检测的准确率,降低漏报率,提高了网络入侵检测的整体性能。

基于安全模块的恶意入侵检测方法研究

格式:pdf

大小:358KB

页数: 4页

研究网络恶意入侵检测问题,当外来的恶意入侵程序高度伪装成虚拟文件隐藏在Linux系统中,系统无法完整检测伪装成虚拟文件的病毒,造成漏检率很高的问题。为解决上述问题,提出一种LSM(Linux安全模块)恶意入侵检测新方法,利用专门为增强Linux系统的安全性设计的LSM为数据,能有效检测出系统中伪装成虚拟文件的病毒,避免了只提取系统调用数据而无法完整检测恶意入侵的问题。实验证明,采用LSM的检测新方法,能快速、准确地将恶意入侵检测出来,为保证信息的安全检测提供了参考。

热门知识

基于主机的入侵检测

最新知识

基于主机的入侵检测
点击加载更多>>
专题概述
基于主机的入侵检测相关专题

分类检索: