APP下载

基于Boosting集成学习算法的网络入侵检测技术研究

2021-11-30易琳王欣

现代计算机 2021年29期
关键词:检测模型

易琳,王欣

(中国民用航空飞行学院计算机学院,广汉618307)

0 引言

由于人们对于网络接触的愈来愈多,如何保证网络中的安全成为人民关注的重点。现在网络入侵检测的相关技术已经逐渐成为在网络安全的第一防线和重要手段。网络入侵的技术越来愈多,针对网络入侵相关检测技术要求以及标准也在不断提升。对于网络入侵检测技术而言,其首要任务便是将入侵检测逐渐转变成为分类问题以及模式识别两个部分来进行处理。利用机器学习技术将网络流量的特征行为划分为正常流量和异常流量进行数据采集、预处理、建模和分类。现阶段,针对网络入侵相关检测技术主要通过机器学习来完成,同时深度学习在检测网络入侵中的应用在不断提升。当前,国内外关于此方面的研究大多处于基础理论研究状态,同时在体现结构以及相关技术方面获得了一定成果。

机器学习中很多相关算法被广泛用于网络入侵检测,常见的入侵检测算法有很多,如KNN(K-nearest neighbor)。多种机器学习的算法结合的网络入侵检测方法可以适用于复杂的系统。文献[1]创造性地提出了网络入侵检测相关模型;文献[2]-[3]通过聚类的方法对流量进行分析;文献[4]提出了通过蚁群算法旋转神经网络参数进而针对网络入侵进行检测的方法;文献[5]主要通过自动编码器来进行网络入侵检测;文献[6]提出一种以机器学习为基础的网络端口扫描检测技术;文献[7]借助卷积神经网络来展开入侵检测,进而针对日志信息特征以及灰度图进行提取,借助spark来针对日志信息进行处理,进而借助不断迭代的方式来产生相应新特征,通过卷积来达到降噪目的;……

登录APP查看全文

猜你喜欢

检测模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
小波变换在PCB缺陷检测中的应用
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用