基于改进FastICA算法的入侵检测样本数据优化方法

杜晔; 张亚丹; 黎妹红; 张大伟

doi:10.11959/j.issn.1000-436x.2016006

您当前的位置：

首页 >

文章列表页 >

基于改进FastICA算法的入侵检测样本数据优化方法

学术论文 | 更新时间：2024-06-05

- 基于改进FastICA算法的入侵检测样本数据优化方法
- Improved FastICA algorithm for data optimization processing in intrusion detection
- 通信学报 2016年37卷第1期页码：42-48
- 作者机构：
  
  北京交通大学计算机与信息技术学院，北京 100044
- 作者简介：
  
  [ "杜晔（1978-），男，黑龙江哈尔滨人，博士，北京交通大学副教授，主要研究方向为网络安全、形式化验证与可靠性分析。" ]
  [ "张亚丹（1989-），女，河北石家庄人，北京交通大学硕士生，主要研究方向为入侵检测与响应、安全态势感知。" ]
  [ "黎妹红（1975-），男，湖北黄梅人，博士，北京交通大学讲师，主要研究方向为智能卡与生物识别技术、信息保密技术。" ]
  [ "张大伟（1974-），男，辽宁沈阳人，博士，北京交通大学讲师，主要研究方向为可信计算、智能卡安全技术。" ]
- 基金信息：
  
  国家自然科学基金资助项目(YETP0548)
- DOI：10.11959/j.issn.1000-436x.2016006
  中图分类号： TP393
- 网络出版日期：2016-01，
  
  纸质出版日期：2016-01-25
- 稿件说明：
移动端阅览
杜晔, 张亚丹, 黎妹红, 等. 基于改进FastICA算法的入侵检测样本数据优化方法[J]. 通信学报, 2016,37(1):42-48.

Ye DU, dan ZHANGYa, hong LIMei, et al. Improved FastICA algorithm for data optimization processing in intrusion detection[J]. Journal on communications, 2016, 37(1): 42-48.
杜晔, 张亚丹, 黎妹红, 等. 基于改进FastICA算法的入侵检测样本数据优化方法[J]. 通信学报, 2016,37(1):42-48. DOI： 10.11959/j.issn.1000-436x.2016006.

Ye DU, dan ZHANGYa, hong LIMei, et al. Improved FastICA algorithm for data optimization processing in intrusion detection[J]. Journal on communications, 2016, 37(1): 42-48. DOI： 10.11959/j.issn.1000-436x.2016006.

摘要

为更好实现对入侵检测样本数据的优化处理，提出了一种改进的快速独立成分分析(FastICA)算法，采用基于加权相关系数进行白化处理以减少信息损失，并优化牛顿迭代法使其满足三阶收敛。对算法进行了细致描述，分析了算法的时间复杂度。实验结果表明，该方法可有效减少数据信息损失，具有迭代次数少、收敛速度快等优点，可有效提高入侵检测样本数据的优化效率。

Abstract

For the purpose of achieving the better data optimizat sing results in intrusion detection

an improved FastICA algorithm was proposed. The weighted correlation coefficient was adopted in the phase of albinism processing to reduce information loss

and the Newton's iterative method was improved for third-order convergence. The algorithm was introduced concretely

meanwhile the time complexity was analyzed in detail. The experiment shows that the method has the advantages of less times of iteration and fast speed of convergence

which can effectively decrease the losses of data and increase the efficiency of data optimization in in ion detection.

关键词

Keywords

references

国家互联网应急中心 . 2013年我国互联网网络安全态势综述 [J/OL ] . http://www.cert.org.cn http://www.cert.org.cn .

National Internet Emergency Center . The overview of Ch na's Internet network security situation in 2013 [J/OL ] . http://www.cert.org.cn http://www.cert.org.cn .

ANDERSO J P . Computer Security Threat Monitoring and Surveil-lance [P ] . USA:PA 19034 , 1980 . 4

LI M . An approach to reliably identifying signs of DDOS flood attacks based on LRD traffic pattern recognition [J ] . Computers ＆ Security , 2004 , 23 ( 7 ): 549 - 558 .

王慧强，杜晔，庞永刚．入侵检测技术研究 [J ] . 计算机应用研究 , 2003 , 10 ( 20 ): 90 - 94 .

WANG H Q , DU Y , PANG Y G . Research in intrusion detection tech-nology [J ] . Application Research of Computers , 2003 , 10 ( 20 ): 90 - 94 .

DEREK S , GUAN Q , FU S . An anomaly detection framework for autonomic management of compute cloud systems [C ] // Computer Software and Applications Conference Workshops (COMPSACW).Seoul , c 2010 : 376 - 381 .

GUAN Q , ZHANG Z M , FU S . Ensemble of Bayesian predictors and decision trees for proactive failure management in clo computing systems [J ] . Journal of Communications , 2012 , 7 ( 1 ): 52 - 61 .

夏敏纳，龚德良，肖娟．一种面向可靠云计算的自适应故障检测方法 [J ] . 计算机应用研究 , 2013 , 31 ( 2 ): 426 - 430 .

XIA M N , GONG D L , XIAO J . An adaptive fault detection method for reliable cloud computing [J ] . Application Research of Compu-ting , 2013 , 31 ( 2 ): 426 - 430 .

HUSANBIR S , LIU J G , GUAN Q . AFD:adaptive failure detection system for cloud computing infrastructures [C ] // Performance Computing and Communications Conference (IPCCC). Austin,TX , c 2012 : 71 - 80 .

ZHU Q , TERESA T , XIE Q . Automatic fault diagnosis in cloud infra-structure [C ] // Cloud Computing Technology and Science (CloudCom). Bristol , c 2013 : 467 - 474 .

GUAN Q , FU S . Adaptive anomaly identification by exploring metric subspace in cloud computing infrastructures [C ] // Reliable Distributed Systems (SRDS). Braga , c 2013 : 205 - 214 .

李娜，赵慧洁，贾国瑞．因子分析模型的高光谱数据降维方法 [J ] . 中国图象图形学报 , 2011 , 16 ( 11 ): 2030 - 2035 .

LI N , ZHAO H J , JIA G R . Hyperspectral data dimensiona ity reduc-tion method based factor analysis model [J ] . Journal Image and Graph-ics , 2011 , 16 ( 11 ): 2030 - 2035 .

李乐，章毓晋．非负矩阵分解算法综述 [J ] . 电子学报 , 2008 ( 4 ): 737 - 743 .

LI L , ZHANG Y J . Summary of non-negative matrix factorization al-gorithm [J ] . Chinese Journal of Electronics , 2008 ( 4 ): 737 - 743 .

蓝荣祎，孙怀江．基于逆运动学和重构式 ICA 的人体运动风格分析与合成 [J ] . 自动化学报 , 2014 , 40 ( 6 ): 1135 - 1147 .

LAN R W , SUN H J . The style analysis and synthesis of uman mo-tion based on inverse kinematics and reconstruction type of ICA [J ] . Acta Automatica Sinica , 2014 , 40 ( 6 ): 1135 - 1147 .

荣宏，王会梅，鲜明．基于快速独立成分分析的RoQ攻击检测方法 [J ] . 电子与信息学报 , 2013 , 35 ( 10 ): 2307 - 2313 .

RONG H , WANG H M , XIAN M . A method of RoQ attack detection based on FastICA [J ] . Journal of Electronics ＆ Information Technolo-gy , 2013 , 35 ( 10 ): 2307 - 2313 .

吴逊．基于独立成分分析的特征提取方法研究 [D ] . 厦门 : 厦门大学 , 2007 .

WU X . The Research on Features Extraction Method Based on In-dependent Component Analysis [D ] . Xiamen : Xiamen University , 2007 .

张卷美．一种新的迭代收敛阶数的证明与推广 [J ] . 大学数学 , 2007 , 23 ( 6 ): 135 - 139 .

ZHANG J M . A new proof and promotion of iteration convergence order [J ] . College Mathematics , 2007 , 23 ( 6 ): 135 - 139 .

于明明，张妍．牛顿迭代法与几种改进格式的效率指数 [J ] . 数学的实践与认识 , 2008 , 38 ( 18 ): 154 - 159 .

YU M M , ZHANG Y . The efficiency index of Newton iterative me-thod and serveral improve formats [J ] . Journal of Mathe tics in Prac-tice and Theory , 2008 , 38 ( 18 ): 154 - 159 .

范雪莉，冯海泓，原猛．基于互信息的主成分分析特征选择算法 [J ] . 控制与决策 , 2013 , 28 ( 6 ): 915 - 919 .

FAN X L , FENG H H , YUAN M . Principal components analysis based on mutual information for feature selection algorithm [J ] . Con-trol and Decision , 2013 , 28 ( 6 ): 915 - 919 .

浏览量

949

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向异构环境的物联网入侵检测方法

基于VAE-CWGAN和特征统计重要性融合的网络入侵检测方法

基于平衡生成对抗网络的海洋气象传感网入侵检测研究

基于对比学习的细粒度未知恶意流量分类方法

对抗机器学习在网络入侵检测领域的应用