对入侵检测系统产生的报警信息进行二次分析已经成为改善入侵检测系统检测性能的一个重要的、实际可行的手段。在对入侵检测系统报警信息进行分析的基础上,提出了全面对报警信息进行根源分析和关联分析的框架,并给出
针对蚁群聚类算法在聚类结果中出现部分数据划分不够准确的问题,提出一种基于信息熵调整的自适应混沌蚁群聚类改进算法。该算法通过优化过程中种群的信息熵来衡量演化的程度,自适应地调整信息素更新策略。每一次迭代
针对基于MAS(MultiAgentSystem)的入侵检测系统在自身异常情况下普遍存在单点失效甚至系统崩溃的缺点,提出的MAS在系统自身异常情况下具有系统重构功能,增强了入侵检测系统在系统级上的健
使用异常情况或标识的传统入侵检测模型,检测粒度较大,精度较差,且占用系统资源较多。针对上述问题,提出了分布式异常事件融合入侵检测模型。该模型通过事件跟踪等方法降低检测粒度;采用分布式的多节点灰度关联度
针对入侵检测日志数据存在大量不相关特征和冗余特征,导致入侵检测数据集维数较高,检测算法实时性较低的问题,提出一种基于遗传算法的入侵检测特征选择算法。首先删除入侵检测数据集中的不相关特征及冗余特征,构建
提出一种新颖的基于boostingRBF神经网络的入侵检测方法。将模糊聚类和神经网络技术相结合,提出基于改进的FCM算法和OLS算法相结合的FORBF算法,为了提高RBF神经网络的泛化能力,采用Boo
提出了MAC层一种新的动态退避算法DPBA,它以报文的冲突概率来预测节点附近信道的争用状况,对不同的网络状况下竞争窗口的取值采用相应的退避策略,以达到改善网络性能的目的。分析与仿真结果表明,与传统的退
结合访问控制和入侵检测各自的优势,在以访问控制为系统正常访问参考模式的条件下,提出了基于访问控制的主机异常入侵检测模型——ACBIDS。根据系统调用函数间的约束关系构建基于扩展有向无环图(DAG)的系
基于监控的相似方法检测,郭雪,刘辉,软件重构能够提高软件的内部质量。实现重构首先要检测出代码中存在的坏味。代码坏味是程序中存在的可以进行优化的代码部分。想要
针对在密写术中的LSB(最低有效位)嵌入方法会对载体图像的平滑区域造成破坏,导致载体图像的不可感知性下降和不可检测性降低的问题,提出了一种区域选择方法,避免载体图像的脆弱区域在LSB嵌入操作中被破坏。