改进的字节频度负载异常入侵检测方法
【出 处】:《
计算机工程与科学
》
CSCD
2012年第34卷第7期 24-28页,共5页
【作 者】:
翁广安
[1] ;
余胜生
[2] ;
周敬利
[2]
【摘 要】
数据集内容的特性对基于负载的网络异常入侵检测系统准确度有很大影响。本文分析了训练集数据包之间的内容特性差异对基于字节频度分布的模型的影响,较大的差异可能会导致分组计算频度均值的模型产生较高的误报率。本文据此提出了一种改进的模型—单包频度分布模型,以单个数据包的频度分布特征构成正常行为集,并以聚类方法控制其规模。在模拟数据集和DARPA99数据集上的实验表明,训练集数据包内容特性的差异确实导致基于均值的字节频度模型产生更多的误报,单包频度分布模型则不受影响,它有更高的检测准确度,在同等检测率下误报率更低。在数据包相互完全不同的情况下,基于均值的模型甚至失效。可认为单包频度分布模型对具有丰富动态内容的网络服务将有良好的适应能力。
相关热词搜索:
上一篇:WRR算法在多类别实时数据流调度中的优化
下一篇:无线公交车载网络切换机制研究