基于EKM-AE模型的无监督主机入侵检测方法

来源 :小型微型计算机系统 | 被引量 : 0次 | 上传用户:yjn511
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对深度学习方法运用于入侵检测时需要大量标注数据集和难以实时检测的缺陷,利用网络流量中正常数据多于异常数据的一般规律,提出一种结合集成K-means聚类和自编码器的EKM-AE(ensemble K-means and autoencoder)入侵检测方法.首先通过集成K-means聚类从实时抓取的网络流量中得出正常样例,用于训练自编码器,然后由完成训练的自编码器执行入侵检测.在虚拟局域网主机环境下进行了入侵检测实验,结果表明,在绝大多数实际应用场景(正常流量多于异常流量)下该方法具有良好的检测性能,且具有全过程无监督、可实时在线检测的优点,对主机网络安全有良好的提升作用.
其他文献
为了解决传统直线提取算法中由于梯度信息孤立而造成检测效果不理想的问题,本文提出结合边缘块的连通域信息进行边缘连接的直线提取方法.首先提取图像边缘图,利用边缘点的连通域,建立边缘点标注模型,进行边缘块搜索.然后用邻接矩阵统计边缘块之间的位置信息,采用深度优先搜素算法,得到初始路径.最后利用直线的几何特征作为路径筛选条件,完成图像直线特征检测.通过理论分析与实验研究表明,该算法可以有效地完成各类场景中
图像的噪声阻碍了高级视觉任务对图像的理解,且去除图像的噪声是一个具有挑战性的任务.现有的基于卷积神经网络的图像去噪方法在去除噪声的同时,对图像纹理会引入一定程度的破坏,导致去噪后图像无法保留图像的纹理.为了解决这个问题,本文提出一种用二分支U-Net网络来融合特征和保留纹理的图像去噪方法.首先选取一种去噪方法的两个不同去噪参数的预训练模型分别得到同一张噪声图像的不同去噪结果,其中一个结果中去噪效果
在复杂背景下,光照变化、目标短暂遮挡以及背景运动等因素会导致运动目标检测精度较低.提出一种结合改进混合高斯模型和改进五帧差分的运动目标检测算法,首先在混合高斯模型中加入自适应学习率以及背景学习速率更新策略有效解决传统背景更新速率恒定而出现的残影现象;然后利用改进的五帧差分法克服运动目标短暂遮挡问题,并加入光照阈值判别因素,有效减弱光照变化带来的影响;最后对两者结果进行或运算进而得到最终检测结果.实
期刊
不久前胜利闭幕的中国共产党湖南省第十次代表大会,描绘了未来五年湖南跨越式发展的宏伟蓝图,向全省共产党员和广大人民群众吹响了集结号——踏上全面小康新征程。实现全面小
由于传统的暗通道去雾算法的结果存在块状效应,影响图像可视性,且该算法难以处理浓雾图像,提出了一种基于高斯卷积和奇异值分解(Singular Value Decomposition)的暗通道去雾算法:G-SVD.首先将整个图像拆分为RGB 3个通道,再使用高斯卷积按照滑动窗口法预估每一通道单个像素点的大气环境光;再对比3个通道的环境光大小,选取最小值为该像素点的大气环境光;同时引入偏差系数作为辅助参
1971年,林辉源先生离开平潭到香港、日本两地闯事业。在香港,他设计、改良打火机和笔,成为亚洲打火机王和笔王,还新办手表厂,打响劳威品牌。登陆澳洲后,他在悉尼创办万国城发
现有的三维点云模型分类方法未考虑模型本身的空间结构信息,忽略了模型上点与点之间的相互关系.为此,提出一种能够提取模型空间结构信息的转换网络,实现三维点云模型的分类.首先对三维模型采样分组,得到其球形邻域,计算每个邻域内点的浅层特征,同时使用转换网络将邻域的空间结构信息转换为特征权重,并通过特征映射将特征权重和浅层特征输出为具有该邻域空间结构信息的高维特征.然后聚合各个邻域的高维特征得到模型的全局特
温亮信是抗战以前入党的老党员,1962年从中共山西省委统战部办公室主任的岗位上,调兴县担任县委副书记兼兴县县长。  此时,我在兴县人民委员会办公室担任干事,温亮信到任后要我作他的秘书。一天,他告诉我:“润德,准备一下,今天咱们到西川跑跑。”  吃了早饭,我们徒步出发,沿着蔚汾河南下,钻千城沟,翻杨家坡,从刘家壕爬山,走到武家塔附近,突然下了一场雷阵雨。不多一阵,河水猛涨,将前进的道路堵塞了。怎么办
“九九那个艳阳天来哟,十八岁的哥哥呀坐在河边,东风呀吹得那个风车转呐……”这首经典歌曲《九九艳阳天》至今被广为传唱。我国电影史上的经典作品《柳堡的故事》《霓虹灯下