位置:成果数据库 > 期刊 > 期刊详情页
基于改进DS证据融合与ELM的入侵检测算法
  • ISSN号:1001-3695
  • 期刊名称:《计算机应用研究》
  • 时间:0
  • 分类:TP309.2[自动化与计算机技术—计算机系统结构;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]江苏科技大学计算机科学与工程学院,江苏镇江212003
  • 相关基金:国家自然科学基金资助项目(61305058) ; 江苏省自然科学基金资助项目(BK20130471)
中文摘要:

为了提高检测率,采用DS证据融合技术融合多个ELM,能够提高整个检测系统的精确性。但是传统的DS技术处理冲突信息源时并不理想。因此,通过引入证据之间的冲突强度,将信息源划分成可接受冲突和不可接受冲哭,给出了新的证据理论(improvedDempster-Shafer,I-DS),同时针对ELM随机产生隐层神经元对算法性能造成影响的缺陷作出了改进。通过实验表明,结合I-DS和改进的ELM能够更高速、更有效地判别入侵行为。

英文摘要:

In order to im prove the detection ra te , DS evidence fusion technology and E L M could im prove ove rall detection system. H o w e ve r, DS technology was not id e a l when the tra d itio n a l sources was c o n flic t. T h e re fo re , the te xt gave the new e v idencetheory (im p ro v e d D em pster-S h a fe r,I -D S ) by d iv id in g the source in to acceptable and unacceptable c o n flic t ju d g in g fromin te n sity c o n flic t o f evide nces, at same tim e ,it made an im provem ent about the disadvantages. Because the disadvantages affectedthe a lgo rithm perform ance de ficie ncies fo r the random ly p roducin g hidd en neurons. E xperim ents show that com binedw ith the I-D S and im proved E L M can be a faster and more effective id e n tific a tio n in tru s io n .

同期刊论文项目
同项目期刊论文
期刊信息
  • 《计算机应用研究》
  • 北大核心期刊(2011版)
  • 主管单位:四川省科学技术厅
  • 主办单位:四川省计算机研究院
  • 主编:刘营
  • 地址:成都市成科西路3号
  • 邮编:610041
  • 邮箱:arocmag@163.com
  • 电话:028-85210177 85249567
  • 国际标准刊号:ISSN:1001-3695
  • 国内统一刊号:ISSN:51-1196/TP
  • 邮发代号:62-68
  • 获奖情况:
  • 第二届国家期刊奖百种重点科技期刊,国内计算技术类重点核心期刊,国内外著名数据库收录期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,波兰哥白尼索引,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:60049