属性约减与分类器融合实时入侵检测研究

针对入侵检测系统存在的对入侵事件高漏报率和误报率问题,提出利用粗糙集理论对数据集中的实值属性进行属性约简,然后把得到的特征向量送入分类器融合的Robust Online-SVM分类器,分类器对这些数字向量进行分类,处理结果送检测模块。检测模块按照报警关联分析策略,对报警序列进行基于规则关联分析。通过实验和比较发现,该融合算法可以实现在线训练,而且使用更少的支持向量,训练时间也大为缩短,在噪声数据存在的情况下检测正确率和虚警率比未改进前有一定程度的提升。     

线性逼近SVM在入侵检测中的应用

引入分段线性识别算法,提出一种线性逼近支持向量机(SVM)入侵检测模型。将特征空间剖分成若干子空间,在每个子空间中基于SVM构造5个最优分类面,将各个分类面链接起来构成5个分片最优分类面以逼近理论上的最优分类超曲面。实验结果证明,该模型的训练时间较短,在噪声数据存在的情况下识别正确率较高。     

移动数据库中组合视图对隐私保护的应用

随着移动技术的发展,越来越多的程序和数据运行在移动环境中,由于移动环境的不稳定、安全度低等特性,使得用户的一些敏感信息很容易被泄露。本文针对移动数据库隐私保护问题进行研究,综合考虑了移动数据库在移动计算的特殊环境下其运行特点,提出了一种基于数据服务的视图组合模式,同时,对数据库管理中创建的多个视图进行组合研究,力求在减少数据传输同时保证对隐私数据的安全访问,以用户权限结合隐私阀值作为最终限定,以保证组合后的多个视图屏蔽掉涉及到的隐私数据项。     

组合视图在移动数据库中隐私保护的应用

随着移动技术的发展,越来越多的程序和数据运行在移动环境中,由于移动环境的不稳定、安全度低等特性,使得用户的一些敏感信息很容易被泄露。本文针对移动数据库隐私保护问题进行研究,综合考虑了移动数据库在移动计算的特殊环境下其运行特点,对数据库管理中创建的多个视图进行组合研究,力求在减少数据传输同时保证对隐私数据的安全访问,以用户权限结合隐私阀值作为最终限定,以保证组合后的多个视图屏蔽掉涉及到的隐私数据项。