-
题名基于增量式GHSOM神经网络模型的入侵检测研究
被引量：82
- 1
-
-
作者
杨雅辉
黄海珍
沈晴霓
吴中海
张英
-
机构
北京大学软件与微电子学院
-
出处
《计算机学报》
EI
CSCD
北大核心
2014年第5期1216-1224,共9页
-
基金
国家自然科学基金(61070237
61232005
61073156)资助~~
-
文摘
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,但是不能识别网络上新出现的攻击类型.这样的入侵检测系统存在着建立系统的速度慢、模型更新代价高等不足,面对规模日益扩大的网络和层出不穷的攻击,缺乏自适应性和扩展性,难以检测出网络上新出现的攻击类型.文中对GHSOM(Growing Hierarchical Self-Organizing Maps)神经网络模型进行了扩展,提出了一种基于增量式GHSOM神经网络模型的网络入侵检测方法,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.作者开发了一个基于增量式GHSOM神经网络模型的在线网络入侵检测原型系统,在局域网环境下开展了在线入侵检测实验.实验结果表明增量式GHSOM入侵检测方法具有动态自适应性,能够实现在线检测过程中对GHSOM模型的动态更新,而且对于网络上新出现的攻击类型,增量式GHSOM算法与传统GHSOM算法的检测率相当.
-
关键词
增量式学习
生长型分层自组织映射
入侵检测
神经网络
信息安全
网络安全
-
Keywords
incremental learning
growing hierarchical SOM
intrusion detection
neural network
information security
network security
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进的GHSOM的入侵检测研究
被引量：24
- 2
-
-
作者
杨雅辉
姜电波
沈晴霓
夏敏
-
机构
北京大学软件与微电子学院
-
出处
《通信学报》
EI
CSCD
北大核心
2011年第1期121-126,共6页
-
基金
国家自然科学基金资助项目(61070237
60873238)~~
-
文摘
提出了一种基于改进的生长型分级自组织映射(GHSOM,growing hierarchical self-organizing maps)神经网络的入侵检测方法。改进的GHSOM具有传统GHSOM多层分级的特点,同时能够处理含有数值类型成员和字符类型成员的混合输入模式向量,提高了入侵检测的效率。对KDD Cup 99数据集和模拟数据集进行的入侵检测模拟实验表明,改进的GHSOM算法对各种类型的攻击有着较高的检测率。
-
关键词
网络安全
入侵检测
神经网络
生长型分级自组织映射
-
Keywords
network security
intrusion detection
neural network
GHSOM
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于半监督GHSOM的入侵检测方法
被引量：23
- 3
-
-
作者
阳时来
杨雅辉
沈晴霓
黄海珍
-
机构
北京大学软件与微电子学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2013年第11期2375-2382,共8页
-
基金
国家自然科学基金项目(61070237
61232005
61073156)
-
文摘
基于神经网络的入侵检测方法是入侵检测技术的一个重要发展方向.在已有无监督生长型分层自组织映射(growing hierarchical self-organizing maps,GHSOM)神经网络算法的基础上,提出了一种半监督GHSOM算法.该算法利用少量有标签的数据指导大规模无标签数据的聚类过程.一方面借鉴cop-kmeans半监督机制,解决了原始算法中返回空划分的问题,并将其应用到GHSOM算法中.另一方面提出了神经元信息熵的概念作为子网生长的判断条件,提高了GHSOM网络子网划分的精度.此外还利用有标签的数据自动确定聚类结果的入侵类型.对KDD Cup 1999数据集和LAN环境下模拟产生的数据集进行的入侵检测实验表明:相比于无监督的GHSOM算法,半监督的GHSOM算法对各种类型的攻击具有较高的检测率.
-
关键词
入侵检测
半监督
生长型分层自组织映射
聚类
信息熵
-
Keywords
intrusion detection
semi-supervised
growing hierarchical self-organizing maps（GHSOM）
clustering
entropy
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
-
-
题名第二语言学习者汉语声调范畴浮现的模拟研究
被引量：1
- 4
-
-
作者
陈默
-
机构
北京语言大学汉语进修学院
-
出处
《中文信息学报》
CSCD
北大核心
2012年第1期119-127,共9页
-
基金
教育部人文社会科学研究青年基金项目(10YJC740011)
-
文摘
第二语言学习者汉语声调范畴的习得一直是汉语学习的难点之一。为了深入研究声调范畴的认知机制,该研究采用动态的生长型树形自组织映射模型,模拟了英语母语者汉语声调范畴的认知发展过程。由于新发展的自组织模型既具有良好的拓扑映射性,又具有动态的容量扩展性,所以能很好地模拟英语母语者汉语声调范畴认知的动态发展过程。模拟结果跟行为实验结果呈现出非常好的一致性,这样既证明了行为实验中汉语声调范畴的动态发展过程,也为汉语声调认知范畴的机制研究提供了机理上的解释。通过对声调范畴习得过程中的一些模式和机制的研究,为声调教学提出了一些有益的建议。
-
关键词
声调范畴
计算机模拟
生长型树形结构自组织映射模型
-
Keywords
mandarin tones category
computer simulation
growing tree-structured self-organizing feature map
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进的GHSOM网络预测客户欺诈行为
被引量：1
- 5
-
-
作者
由立真
穆志纯
-
机构
北京科技大学信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2007年第11期193-196,共4页
-
基金
国家自然科学基金(the National Natural Science Foundation of China under Grant No.60375002)。
-
文摘
生长、分级的自组织映射(Growing Hierarchical Self-Organizing Map,GHSOM)网络是自组织映射(Self-Organizing Map,SOM)网络的一种变体,它不仅具备了SOM网络可解释性强的优点,同时采用多层分级的结构,不需要预先定义好网络的结构和尺寸,解决了SOM由于竞争层神经元过多造成的训练时间过长的问题,却忽略了对样本向量各个分量在模型中重要性的分析,因此将一种新的输入模式分量和映射单元权向量之间的灰关联度引入到网络权值的调整过程中,对GHSOM算法进行了改进。运用于对电信客户行为的分类,从中获取了预测欺诈客户的关键指标,大大降低了输入样本的维度。结果显示,采用改进后的GHSOM算法降维后,分类正确率仍然可以达到94.59%。
-
关键词
数据挖掘
欺诈行为分类
生长分级自组织特征映射
灰关联度
-
Keywords
data mining
trick behavior prediction
GHSOM
gray relation degree
-
分类号
N945.12
[自然科学总论—系统科学]
-
