基于TCM-KNN和遗传算法的网络异常检测技术

您当前的位置：

首页 >

文章列表页 >

学术论文 | 更新时间：2024-10-14

- 基于TCM-KNN和遗传算法的网络异常检测技术
- Network anomaly detection based on TCM-KNN and genetic algorithm
- 通信学报 2007年第12期页码：48-52
- 作者机构：
  
  1. 中国科学院计算技术研究所
  2. 中国科学院计算技术研究所,北京,100080
  3. 中国科学院研究生院
  4. ,北京,100039
- 作者简介：
- 基金信息：
  
  国家重点基础研究发展计划(“973”计划)基金资助项目(2007CB311100)~~
- DOI：
  中图分类号： TP18;TP393.08
- 纸质出版日期：2007
- 稿件说明：
移动端阅览
李洋, 方滨兴, 郭莉, 等. 基于TCM-KNN和遗传算法的网络异常检测技术[J]. 通信学报, 2007,(12):48-52.

LI Yang1, FANG Bin-xing1, GUO Li1, et al. Network anomaly detection based on TCM-KNN and genetic algorithm[J]. 2007, (12): 48-52.
李洋, 方滨兴, 郭莉, 等. 基于TCM-KNN和遗传算法的网络异常检测技术[J]. 通信学报, 2007,(12):48-52. DOI：

LI Yang1, FANG Bin-xing1, GUO Li1, et al. Network anomaly detection based on TCM-KNN and genetic algorithm[J]. 2007, (12): 48-52. DOI：

提出了一种基于TCM-KNN的网络异常检测新方法

并采用遗传算法选择使用少量高质量的训练样本进行建模

从而有效地对入侵进行检测。大量基于著名的KDD Cup 1999数据集的实验表明:其相对于传统的异常检测方法在保证较高检测率的前提下

有效地降低了误报率;并且

在采用选择后的训练集优化处理后

其性能没有明显的削减

因而相对于传统方法更为适用于现实的网络应用环境。

A network anomaly detection scheme based on TCM-KNN algorithm was proposed.Moreover

genetic algo-rithm（GA） based instance selection was introduced to boost the detection performance

meanwhile reduce the computa-tional cost for TCM-KNN.A series of experimental results demonstrate the proposed method is effective

the instance se-lection mechanism also improves TCM-KNN and makes it be a good candidate for anomaly detection in practice.

浏览量

341

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

TCM-KNN网络异常检测算法优化研究

动态自学习的高效入侵检测模型研究

基于Filter-ary-Sketch数据结构的骨干网异常检测研究

网络异常检测中的流量表示研究

基于改进马尔可夫链的高效域名生成算法