基于特征选择的轻量级入侵检测系统

基于特征选择的入侵检测系统处理的数据含有大量的冗余与噪音特征,使得系统耗用的计算资源很大,导致系统训练时间长、实时性差,检测效果不好.特征选择算法能够很好地消除冗余和噪音特征,为了提高入侵检测系统的检测速度和效果,对基于特征选择的入侵检测系统进行研究是必要的.综述了这一领域的研究进展,从过滤器、封装器、混合器3种模式对基于特征选择的轻量级入侵检测系统进行分类比较,分析和总结各种系统的优缺点以及它们各自适用的条件,最后指出入侵检测领域特征选择的发展趋势.特征选择不仅可以提升入侵检测系统的性能,而且使得对入侵检测的研究向特征提取算法的方向转移.  

BM模式匹配改进算法

字符串模式匹配在实际生活中被广泛的应用，它也是计算机基础科学的一个重要部分，现在比较著名的模式匹配算法有BF算法、KMP算法、RK算法和BM算法。讨论了一种基于BM模式匹配算法及其算法的改进。  

基于用户反馈的反垃圾邮件技术

在分析传统垃圾邮件过滤技术的基础上，提出了一种基于用户反馈的反垃圾邮件技术。该技术通过引入用户反馈机制，使用改进的朴素贝叶斯方法，构建面向特定用户的过滤器，从而进行垃圾邮件过滤。邮件语料库实验和原型系统的测试证明，该方法能够有效地降低误报率，提高反垃圾邮件系统的可用性，具有较好的实用效果。  

基于主动学习和TCM-KNN方法的有指导入侵检测技术

有指导网络入侵检测技术是网络安全领域研究的热点和难点内容,但目前仍然存在着对建立检测模型的数据要求过高、训练数据的标记需要依赖领域专家以及因此而导致的工作量及难度过大和实用性不强等问题,而当前的研究工作很少涉及到这些问题的解决办法.基于TCM-KNN数据挖掘算法,提出了一种有指导入侵检测的新方法,并且采用主动学习的方法,选择使用少量高质量的训练样本进行建模从而高效地完成入侵检测任务.实验结果表明:其相对于传统的有指导入侵检测方法,在保证较高检测率的前提下,有效地降低了误报率;在采用选择后的训练集以及进行特征选择等优化处理后,其性能没有明显的削减,因而更适用于现实的网络应用环境.  

模糊Petri网与遗传算法相结合的优化策略

如何确定模糊产生式规则的各项参数对模糊Petri网(FPN)的建立具有非常重要的意义，一直是尚未解决的难题。文中首次将遗传算法引入到模糊Petri网的参数寻优过程，提出了一种基于遗传算法的参数寻优算法，该算法实现不依赖于经验数据，对初始输入无严格要求。仿真实例表明，由此训练出的参数正确率较高，所得的FPN具有很强的泛化能力和自适应功能。  

大规模地形实时可视化算法

提出一种实现大规模三维地形可视化的算法。该算法主要通过地形数据分块和多线程数据动态调度技术实现海量地形数据的实时动态调度，利用四叉树结构来简化地形网格，通过引入Y型基元的方法消除边界裂缝。实验结果表明，采用该方法可以实时生成大规模地形，提高地形漫游的效率与可视化效果。  

一种高效的面向轻量级入侵检测系统的特征选择算法

特征选择是网络安全、模式识别、数据挖掘等领域的重要问题之一.针对高维数据对象,特征选择一方面可以提高分类精度和效率,另一方面可以找出富含信息的特征子集.文中提出一种wrapper型的特征选择算法来构建轻量级入侵检测系统.该算法采用遗传算法和禁忌搜索相混合的搜索策略对特征子集空间进行随机搜索,然后利用提供的数据在无约束优化线性支持向量机上的平均分类正确率作为特征子集的评价标准来获取最优特征子集.文中按照DOS,PROBE,R2L,U2R 4个类别对KDD1999数据集进行分类,并且在每一类上进行了大量的实验.实验结果表明,对每一类攻击文中提出的特征选择算法不仅可以加快特征选择的速度,而且基于该算法构建的入侵检测系统在建模时间、检测时间、检测已知攻击、检测未知攻击上,与没有运用特征选择的入侵检测系统相比具有更好的性能.  

软件设计重用

基于面向对象开发范例的软件设计重用技术，给出了框架、模式和可重用设计构件的描述方法及实例。  

K-means聚类算法在入侵检测中的应用

提出了一种基于聚类分析方法构建入侵检测库的模型，实现了按K-平均值方法建立入侵检测库并据此划分安全等级的思想。该检测系统的建立不依赖于经验数据，能自动依据原有数据对入侵行为进行重新划分。仿真实验表明，该方法具有较强的实用性和自适应功能。  

基于SMS远程监控系统

SMS远程监控系统利用GSM网络的SMS(手机短信业务)和低成本的硬件电路构建家居设备的远程监控。在GSM覆盖的地域里,用户可以发送短消息来控制连接到系统的家电设备的开关状态。同样,系统也可以向用户告知其工作状态。用户可以设定特殊短信来监视家中是否发生了特定事件。将GSM/GPRS MODEM主控系统与无线模块相结合,系统构建了一个一主多从的控制网络,从而实现智能化家居监控网络。