- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2012年 7月 西安石油大学学报 (自然科学版) Ju1.2012
第27卷第4期 JournalofXianShiyouUniversity(NaturalScienceEdition) Vo1.27No.4
文章编号 :1673-064X(2012)04-0097-04
融合 BVM 与 ELM 的网络异常检测方法
蔡长宁 ,潘华贤 ,程 国建。
(1.中国石油勘探开发研究院 西北分院,甘肃 兰州730020;2.西安财经学院行知学院 ,
陕西 西安 710038;3.西安石油大学 计算机学院,陕西 西安710065)
摘要:针对用单一分类器对网络进行异常检测时存在的检测率低、虚警率高等问题,提 出了一种新
的融合球向量机(BVM,BallVectorMachine)与极限学习机 (ELM,ExtremeLearningMachine)的异常
检测方法.该方法分别用BVM与ELM对三类网络特征进行学习,通过BP神经网络训练出相应权
值来融合标签.实验表 明:使用该融合方法进行 网络异常检测的性能要优于使用单一的BVM或
ELM;相对于融合传统的SVM与BP网络的方法,融合BVM与ELM 网络异常检测方法的检测率与
虚警率与传统方法相当,但其训练速度快、整体性更优.
关键词:网络异常检测;球向量机;极限学习机;神经网络;数据融合
中图分类号:TP393 文献标识码 :A
随着各种网络服务的增长,维护网络信息安全 融合 one—classSVM和 k-means2种无监督学习算法
变得越来越重要.随之而诞生的网络异常检测系统, 进行网络异常检测 J,和融合 SVM与BMPM2种有
受到越来越多学者的关注.异常检测的目的是试图 监督学习算法来进行异常检测 j.
寻找已知或未知的攻击类型,并及时发出警报.基于 考虑到有关异常检测数据量大的特点,本文采
模式识别和基于根据实例进行学习的方法,可从大 用极限学习机 (ExtremeLearningMachine,ELM)
量的异常实例当中泛化出模型,因此相比于传统的 与球向量机 (BallVectorMachine,BVM)作为分类
异常检测系统,具有探测出新异常类型的能力.而使 器,此两种算法在对大规模数据处理中,都表现出优
用某些有监督的学习方法,可利用其根据用户行为 良的性能 引.通过使用可训练的融合策略来对2种
进行的建模能力,进行异常检测,并不需要事先知道 分类器进行融合,旨在提高异常检测的稳定性和多
确切的用户模型.如利用神经网络…、贝叶斯 网 分类器的学习速度.
络 、支持向量机(SupportVectorMachine,SVM)
1 相关算法理论
对异常进行检测,都取得了较好的效果.而这些模型
在提供 了较强的泛化能力的同时,也带来 了较高的 1.1 ELn 算法
虚警率.因此,融合多模型的算法来进行网络异常检 极限学习机通过建立一个单隐层的前 向神经网
测 ,可提高系统的测量精度,增强容错能力,提升稳 络来实现.相对于其他智能学习方法,ELM在学习
定性和可靠性 ,因而成为解决该问题的一种较为有 的过程中隐层节点不需要迭代改变,只需要设置隐
效的方法.按照融合分类器性质的不同,一般可分为 层节点个数,并且产生惟一的最优解.因此,参数选
融合有监督学习方法和融合无监督学习的方法.如 择容易,学习速度快,人为干预少.
收稿 日期 :2011·12-25
基金项 目:国家 自然科学基金资助项 目(编号
作者简介:蔡长宁(1962一),男 ,
您可能关注的文档
- 茜素花青绿在碳糊电极上的电化学行为及其测定.pdf
- 浅议液化石油气装车流速及装车口径.pdf
- 强夯置换法处理软弱地基试验分析.pdf
- 嵌段型聚醚有机硅的合成及应用研究.pdf
- 强化混凝处理碎煤加压气化废水生化水中有机物的实验研究.pdf
- 强夯法在大面积碎石填土的应用探讨.pdf
- 强化泡沫驱配方的研究.pdf
- 强化混凝法处理煤气冷凝水.pdf
- 强化项目成本控制 实现项目降本增效.pdf
- 强酸性硫化砷废渣的稳定固化.pdf
- 分析let s单元56ago2卷纸zheng unit56.pdf
- 塑胶材料其它分类原料pa9t 12.pdf
- md16x16数字媒体切换器设备.pdf
- 者参考项目发起人学科类型单位序列承包商修订页代码顺序典型.pdf
- 届世界天然气大会阿姆斯特丹2006add10288.pdf
- 期测试记录表每周weekly g1g6 journeys tests level 6 lesson26.pdf
- modernize-whitepaper现代化您应用程序白皮书.pdf
- anybackup产品典型案例分析.pdf
- 约克金融工程课程tfeslide32.pdf
- 广州市妇女儿童医疗中心历份教学药历01tjy.pdf
文档评论(0)