检索结果-维普期刊中文期刊服务平台

基于集成PU学习数据流分类的入侵检测方法: 1; 作者宋群张骏智永锋《微电子学与计算机》 CSCD 北大核心 2013年第7期173-176,共4页; 入侵检测问题可以模型化为数据流分类问题,传统的数据流分类算法需要标注大量的训练样本,代价昂贵,降低了相关算法的实用性.在PU学习算法中,仅需标注部分正例样本就可以构造分类器.对此本文提出一种动态的集成PU学习数据流分类的入侵检... 展开更多; 关键词入侵检测集成分类数据流 pu学习; 在线阅读下载PDF 职称材料

一种面向工控系统的PU学习入侵检测方法被引量：4: 2; 作者吕思才张格 +3 位作者张耀方刘红日王子博王佰玲《信息安全学报》 CSCD 2021年第4期72-89,共18页; 工业控制系统与物理环境联系紧密,受到攻击会直接造成经济损失,人员伤亡等后果,工业控制系统入侵检测可以提供有效的安全防护。工业控制系统中将入侵检测作为一个异常检测问题,本文围绕PU learning(Positive-unlabeled learning, PU学习... 展开更多; 关键词工业控制系统入侵检测 pu学习类先验概率估计; 在线阅读下载PDF 职称材料

基于PU学习的工业控制系统异常检测方法被引量：2: 3; 作者王伟谢耀滨尹青《信息工程大学学报》 2019年第2期210-216,共7页; 随着信息化的发展,工业控制系统面临严重的安全威胁,提出一种基于PU学习的工业控制系统异常检测方法。该方法通过状态表示将状态变量表示为二元组,从少量正常样本片段中提取状态转换图,从大量未标记样本中生成孤立森林模型。根据状态转... 展开更多; 关键词工业控制系统异常检测 pu学习状态转换图孤立森林; 在线阅读下载PDF 职称材料

基于PU学习的磷酸激酶抑制剂筛选算法: 4; 作者王艺琪《信息通信》 2016年第7期53-55,共3页; 一个算法的二元分类器构建通常包含两个集合样例,其中一组为正例样本,另一组为负例样本。实际上,我们使用的很多生物数据库,如磷酸激酶抑制剂数据库并非标准数据,磷酸激酶抑制剂数据库只含有不完整的正例样本和未标注样本数据集。这些... 展开更多; 关键词 pu学习磷酸激酶抑制剂未标注样本二元分类; 在线阅读下载PDF 职称材料

基于PU分类的差分区分器及其应用被引量：2: 5; 作者宿恒川朱宣勇段明《密码学报》 CSCD 2021年第2期330-337,共8页; 差分分析方法的核心是构造高效的差分区分器.2019年Aron Gohr采用深度学习残差网络的方法构造差分区分器,应用于减轮Speck32/64密码算法,五轮和六轮的差分器成功率分别是0.929和0.788.本文采用PU学习(positive-unlabeled learning)的方... 展开更多; 关键词 pu学习 SPECK 差分区分器; 在线阅读下载PDF 职称材料

远程监督的自适应实体抽取: 6; 作者葛亮张艺璇李伟平《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2022年第4期564-571,共8页; 针对传统领域知识实体抽取算法主要依赖专家的专业知识,需要的标注工作量较大,本文提出了基于远程监督的实体抽取算法并应用于粮油存储领域。算法在PU学习的框架下,通过判定和分类2个阶段抽取实体,利用双向长短期记忆网络进行二分类实... 展开更多; 关键词领域知识图谱本体设计实体抽取远程监督深度学习 pu学习双向长短期记忆网络知识图谱构建; 在线阅读下载PDF 职称材料

大数据环境下网络入侵检测技术的探究被引量：2: 7; 作者蓝文奇《数字技术与应用》 2019年第5期197-199,共3页; 互联网为信息资源的交流提供了高效而便捷的全新方式,但同时信息资源的安全性也更加重要,信息资源的盗用、入侵、甚至毁坏给互联网的信息资源带来了严重安全威胁。而作为动态安全系统最核心的技术之一,入侵检测技术在网络防御体系中起... 展开更多; 关键词大数据网络入侵检测 pu学习算法; 在线阅读下载PDF 职称材料

题名基于集成PU学习数据流分类的入侵检测方法: 1; 作者宋群张骏智永锋; 机构西北工业大学自动化学院; 出处《微电子学与计算机》 CSCD 北大核心 2013年第7期173-176,共4页; 基金国家自然科学基金项目(61201321); 文摘入侵检测问题可以模型化为数据流分类问题,传统的数据流分类算法需要标注大量的训练样本,代价昂贵,降低了相关算法的实用性.在PU学习算法中,仅需标注部分正例样本就可以构造分类器.对此本文提出一种动态的集成PU学习数据流分类的入侵检测方法,只需要人工标注少量的正例样本,就可以构造数据流分类器.在人工数据集和真实数据集上的实验表明,该方法具有较好的分类性能,在处理偏斜数据流上优于三种PU学习分类方法,并具有较高的入侵检测率.; 关键词入侵检测集成分类数据流 pu学习; Keywords intrusion detection classifier ensemble data stream Positive Unlabeled Learning; 分类号 TP393.08 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名一种面向工控系统的PU学习入侵检测方法被引量：4: 2; 作者吕思才张格张耀方刘红日王子博王佰玲; 机构哈尔滨工业大学(威海)计算机科学与技术学院国家工业信息安全发展研究中心哈尔滨工业大学网络空间安全研究院; 出处《信息安全学报》 CSCD 2021年第4期72-89,共18页; 基金国防基础科研计划(No.JCKY2019608B001)资助。; 文摘工业控制系统与物理环境联系紧密,受到攻击会直接造成经济损失,人员伤亡等后果,工业控制系统入侵检测可以提供有效的安全防护。工业控制系统中将入侵检测作为一个异常检测问题,本文围绕PU learning(Positive-unlabeled learning, PU学习)进行工业控制系统入侵检测进行研究。首先针对工业控制系统中数据维度高的特点,提出了一种特征重要度计算方法,通过正例数据集和无标签数据集的分布差异度量特征重要度,用于PU学习的特征选择;其次提出了一种基于OCSVM(One-Class SVM)的类先验估计算法,该算法可以稳定且准确的估计出类先验概率,为PU学习提供必要的先验知识;最后采用了三个公开数据集进行实验,在仅有一类标签数据的条件下,通过PU学习发现待检测数据中的异常样本,并与一些现有的模型进行对比,验证了PU学习的有效性。; 关键词工业控制系统入侵检测 pu学习类先验概率估计; Keywords industrial control system intrusion detection positive-unlabeled learning class prior estimation; 分类号 TP393.0 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于PU学习的工业控制系统异常检测方法被引量：2: 3; 作者王伟谢耀滨尹青; 机构中国华艺广播公司信息工程大学; 出处《信息工程大学学报》 2019年第2期210-216,共7页; 基金国家自然科学基金资助项目(61802431); 文摘随着信息化的发展,工业控制系统面临严重的安全威胁,提出一种基于PU学习的工业控制系统异常检测方法。该方法通过状态表示将状态变量表示为二元组,从少量正常样本片段中提取状态转换图,从大量未标记样本中生成孤立森林模型。根据状态转换图和孤立森林模型分别判断状态转换关系和状态自循环的正确性。在工控系统测试平台SWaT上进行验证,结果表明,当污染率c取12%时检测效果最佳,与基于协同训练与C4.5决策树的方法相比,从根本上提升了异常的查全率。; 关键词工业控制系统异常检测 pu学习状态转换图孤立森林; Keywords industrial control system anomaly detection pu learning state transition diagram isolation forest; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于PU学习的磷酸激酶抑制剂筛选算法: 4; 作者王艺琪; 机构广西大学计算机与电子信息学院; 出处《信息通信》 2016年第7期53-55,共3页; 文摘一个算法的二元分类器构建通常包含两个集合样例,其中一组为正例样本,另一组为负例样本。实际上,我们使用的很多生物数据库,如磷酸激酶抑制剂数据库并非标准数据,磷酸激酶抑制剂数据库只含有不完整的正例样本和未标注样本数据集。这些未标注样本中,既包含正例样本也有负例样本。文章旨在解决的问题是对于非标准数据构建标准二元分类器从而实现未知磷酸激酶抑制剂筛选。通过未标注样本概率输出,对未知磷酸激酶抑制剂进行预测。文章对该PU学习算法进行性能估计,结果显示该算法具有较高的预测性能。; 关键词 pu学习磷酸激酶抑制剂未标注样本二元分类; Keywords pu learning kinase inhibitors unlabeled samples binary classification; 分类号 TP311.13 [自动化与计算机技术—计算机软件与理论] R97 [医药卫生—药品]; 在线阅读下载PDF 职称材料

题名基于PU分类的差分区分器及其应用被引量：2: 5; 作者宿恒川朱宣勇段明; 机构战略支援部队信息工程大学数学工程与先进计算国家重点实验室; 出处《密码学报》 CSCD 2021年第2期330-337,共8页; 基金国家自然科学基金(61170325)。; 文摘差分分析方法的核心是构造高效的差分区分器.2019年Aron Gohr采用深度学习残差网络的方法构造差分区分器,应用于减轮Speck32/64密码算法,五轮和六轮的差分器成功率分别是0.929和0.788.本文采用PU学习(positive-unlabeled learning)的方法,对Speck32/64算法的差分对数据进行训练,利用神经网络中的多层感知机与基于PU学习构造的损失函数,训练得到了一个基于PU分类的差分区分器,并对于减轮Speck32/64算法进行攻击,五轮和六轮差分器成功率分别是0.965和0.860.; 关键词 pu学习 SPECK 差分区分器; Keywords pu learning Speck differential distinguisher; 分类号 TP309.7 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名远程监督的自适应实体抽取: 6; 作者葛亮张艺璇李伟平; 机构中国科学技术大学计算机科学与技术学院北京大学软件与微电子学院; 出处《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2022年第4期564-571,共8页; 基金国家重点研发计划(2020YFC0833301).; 文摘针对传统领域知识实体抽取算法主要依赖专家的专业知识,需要的标注工作量较大,本文提出了基于远程监督的实体抽取算法并应用于粮油存储领域。算法在PU学习的框架下,通过判定和分类2个阶段抽取实体,利用双向长短期记忆网络进行二分类实体判别。再通过全连接网络实体类型判别,构建了一个粮油领域知识图谱。研究表明:本算法可以应用于粮油存储领域的知识图谱构建,适用于训练实体样本较少的实体抽取任务,能够缩小使用双向长短期记忆网络算法进行实体抽取任务所需的语料规模,并在使用更小语料规模的情况下达到与经典双向长短期记忆网络算法相当的实体抽取效果。; 关键词领域知识图谱本体设计实体抽取远程监督深度学习 pu学习双向长短期记忆网络知识图谱构建; Keywords domain-specific knowledge graph ontology design entity extraction remote supervision deep learning positive unlabeled learning a bidirectional long short-term memory neural network knowledge graph building; 分类号 TP311.1 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名大数据环境下网络入侵检测技术的探究被引量：2: 7; 作者蓝文奇; 机构广东广乐高速公路有限公司; 出处《数字技术与应用》 2019年第5期197-199,共3页; 文摘互联网为信息资源的交流提供了高效而便捷的全新方式,但同时信息资源的安全性也更加重要,信息资源的盗用、入侵、甚至毁坏给互联网的信息资源带来了严重安全威胁。而作为动态安全系统最核心的技术之一,入侵检测技术在网络防御体系中起着极为重要的作用,它是静态防护转化为动态防护的关键,也是强制执行安全策略的有力工具。本文将在阐述网络入侵检测常见方法的基础上,从数据流角度,提出动态的集成PU学习数据流分类的入侵检测方法,在验证数据集上进行突变漂移和逐渐漂移的比较实验表明,该方法具有较好的分类性能。; 关键词大数据网络入侵检测 pu学习算法; Keywords big data network intrusion detection pu Learning Algorithm; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于集成PU学习数据流分类的入侵检测方法	宋群张骏智永锋	《微电子学与计算机》 CSCD 北大核心	2013	0	在线阅读下载PDF 职称材料
2	一种面向工控系统的PU学习入侵检测方法	吕思才张格张耀方刘红日王子博王佰玲	《信息安全学报》 CSCD	2021	4	在线阅读下载PDF 职称材料
3	基于PU学习的工业控制系统异常检测方法	王伟谢耀滨尹青	《信息工程大学学报》	2019	2	在线阅读下载PDF 职称材料
4	基于PU学习的磷酸激酶抑制剂筛选算法	王艺琪	《信息通信》	2016	0	在线阅读下载PDF 职称材料
5	基于PU分类的差分区分器及其应用	宿恒川朱宣勇段明	《密码学报》 CSCD	2021	2	在线阅读下载PDF 职称材料
6	远程监督的自适应实体抽取	葛亮张艺璇李伟平	《哈尔滨工程大学学报》 EI CAS CSCD 北大核心	2022	0	在线阅读下载PDF 职称材料
7	大数据环境下网络入侵检测技术的探究	蓝文奇	《数字技术与应用》	2019	2	在线阅读下载PDF 职称材料