基于GPU并行计算的快速智能入侵检测技术研究剖析.pptVIP

基于GPU并行计算的快速智能入侵检测技术研究 ● 研究意义及研究工作现状 ● 主要研究内容与方案 ● 拟解决的关键问题 ● 研究进度 ● 项目有关的工作条件 ● 预期研究成果 ● 经费预算 针对问题 1）： ● 采用神经网络、遗传算法等智能算法发现未知攻 击，但精度不够好、建模速度慢。 针对问题 2）： ● 将检测算法固化到硬件电路ASIC中: 开发和使用成 本较高，算法升级困难，不够灵活。 ● 采用负载均衡方式: 由于设备的增加，成本增加。而且由于信息被分流，易形成漏报。 本研究针对信息安全中高速（百兆及以上）、大样本（100,000）入侵检测问题： 1）研究基于约简SVM的快速智能入侵检测模型； 2）研究基于GPU高性能并行计算平台的快速智能入侵检 测算法的设计与移植； 3）研究通过合理构造SVM分类器的结构与参数，提高 入侵检测分类器检测精度，模型推广能力和检测速度。 （1）淘汰近质心内部点 （2）淘汰远界外部点 欧式距离计算+排序 GPU（Graphic Processing Unit，图形处理器）具有三大特性：