-
公开(公告)号：CN102647292A
公开(公告)日：2012-08-22
申请号：CN201210074813.6
申请日：2012-03-20
Applicant: 北京大学
Abstract: 本发明公开了一种基于半监督神经网络模型的入侵检测方法，属于网络信息安全领域。本方法为：1)利用训练集A初始化GHSOM神经网络第0层神经元，并计算QE0；2)从第0层神经元中拓展出一SOM，并将其层次标识Layer置为1；3)初始化第Layer层中拓展出的每一SOM，并对其进行训练，其中对获胜神经元及其邻域内神经元权值进行调整，更新获胜向量集合，计算获胜神经元的主标签、主标签比率和信息熵etyi；4)计算该SOM中每个神经元的qei，子网MQE；如果MQE＞QEf*μ1则在该SOM中插入一行或者一列神经元，如果QEi＞QE0*μ2或者etyi＞etyf*μ3则从该神经元上长出一层新的子网，将其增加到Layer+1层的子网队列中。本方法提高了GHSOM算法检验准确性。
-
公开(公告)号：CN102647292B
公开(公告)日：2014-07-23
申请号：CN201210074813.6
申请日：2012-03-20
Applicant: 北京大学
Abstract: 本发明公开了一种基于半监督神经网络模型的入侵检测方法，属于网络信息安全领域。本方法为：1)利用训练集A初始化GHSOM神经网络第0层神经元，并计算QE0；2)从第0层神经元中拓展出一SOM，并将其层次标识Layer置为1；3)初始化第Layer层中拓展出的每一SOM，并对其进行训练，其中对获胜神经元及其邻域内神经元权值进行调整，更新获胜向量集合，计算获胜神经元的主标签、主标签比率和信息熵etyi；4)计算该SOM中每个神经元的qei，子网MQE；如果MQE＞QEf*μ1则在该SOM中插入一行或者一列神经元，如果QEi＞QE0*μ2或者etyi＞etyf*μ3则从该神经元上长出一层新的子网，将其增加到Layer+1层的子网队列中。本方法提高了GHSOM算法检验准确性。
-
公开(公告)号：CN102789593A
公开(公告)日：2012-11-21
申请号：CN201210206778.9
申请日：2012-06-18
Applicant: 北京大学
Abstract: 本发明公开了一种基于增量式GHSOM神经网络的入侵检测方法，属于网络信息安全技术领域。本方法为：1)在线采集网络数据输入给入侵检测模块；2)入侵检测模块计算可检测当前向量x的获胜神经元t；3)如果t是覆盖神经元，且x与t同类，则利用t检测x；否则为x打上未知攻击类型的标签，把x加入增量训练集；4)当t满足拓展条件时，从t下方拓展出一虚神经元t′再从t′拓展出一新SOM，利用t对应的增量训练集合It进行训练；5)查找新拓展SOM子网的成熟父神经元，如果其超过删除不成熟子网的条件，则对动态拓展出的不成熟神经网络部分重新训练；6)根据入侵检测模块输出的检测结果判断是否发生入侵。本发明能及时检测出各种入侵行为，尤其是新出现的入侵行为。
-
公开(公告)号：CN102789593B
公开(公告)日：2014-11-26
申请号：CN201210206778.9
申请日：2012-06-18
Applicant: 北京大学
Abstract: 本发明公开了一种基于增量式GHSOM神经网络的入侵检测方法，属于网络信息安全技术领域。本方法为：1)在线采集网络数据输入给入侵检测模块；2)入侵检测模块计算可检测当前向量x的获胜神经元t；3)如果t是覆盖神经元，且x与t同类，则利用t检测x；否则为x打上未知攻击类型的标签，把x加入增量训练集；4)当t满足拓展条件时，从t下方拓展出一虚神经元t′再从t′拓展出一新SOM，利用t对应的增量训练集合It进行训练；5)查找新拓展SOM子网的成熟父神经元，如果其超过删除不成熟子网的条件，则对动态拓展出的不成熟神经网络部分重新训练；6)根据入侵检测模块输出的检测结果判断是否发生入侵。本发明能及时检测出各种入侵行为，尤其是新出现的入侵行为。
-
-
-
Search Results
4
records
(took 0.024 seconds)
