共查询到18条相似文献,搜索用时 77 毫秒
1.
2.
信息技术的发展使得人们越来越注重对网络信息安全的保护,入侵检测系统的出现让网络信息安全的保护从原本的被动保护变成了主动防护,这样一来就给原本的防火墙防护又增加了一层防护网。与此同时,计算机系统也在不断地升级,朝着越来复杂的方向发展,网络数据信息的规模也在不断地扩大,我们必须要不断地对网络安全审计技术进行改造才可以保证网络信息的安全性,也正是在这样的背景下,基于数据挖掘技术基础上的网络入侵检测模型开始出现。本文就网络安全的现状出发对网络入侵检测研究的意义进行了分析,并针对基于数据挖掘基础上进行的网络如今检测系统进行了深入的探究。 相似文献
3.
入侵检测技术及其发展 总被引:1,自引:0,他引:1
入侵检测是一个主动的和重要的网络安全研究领域,本文首先介绍了入侵检测系统的技术及其发展阶段,阐述了入侵检测系统的功能及分类,重点分析了入侵检测系统的各种检测技术,指出了目前入侵检测系统面临的问题,最后提出了入侵检测技术的发展趋势。 相似文献
4.
5.
引言
计算机网络是通信技术与计算机相互融合的结果,使计算机的发展得到了质的飞跃。从《第33次中国互联网络发展状况统计报告》中看出,截至2013年12月,中国网民的统计规模已达到6.18亿, 相似文献
6.
7.
8.
9.
计算机技术迅猛发展,虽然方便了人们的日常生活,但是随之而来的麻烦也不小。计算机病毒,漏洞,黑客攻击都会因信息泄露,丢失而产生财产损失。计算机安全使用问题成为一个十分重要的研究课题,本文就入侵检测技术在计算机数据库的应用进行探析。 相似文献
10.
随着电力企业信息化建设的不断深入,网络安全对电力企业的影响越来越大。入侵检测是计算机和网络安全领域中的一个课题,它是一种动态的安全防护手段,能主动寻找入侵信号,给网络系统提供对外部攻击、内部攻击和误操作的安全保护。本文提出一个分布式的入侵检测系统结构,重点介绍了并行关联规则挖掘算法如何应用于此系统,及其应用于此系统之后的优点。 相似文献
11.
12.
13.
讨论了数据挖掘在国际贸易电子商务中的重要作用和基本过程,探讨了对挖掘前的数据预处理工作和决策树挖掘过程。针对国际贸易电子商务数据的特点,利用决策树方法对国际贸易电子商务数据进行挖掘,对挖掘的规则进行了分析。 相似文献
14.
将新桥矿已开采完毕矿体所取得的地质资料 ,与原有的地质勘探资料进行对比 ,以检验矿区地质勘探网度的合理性 ,从而为同类矿体的地质勘探选择合理的勘探网度 ,为矿山整体规划和开采设计提供合理的依据。 相似文献
15.
16.
通过溶胶-凝胶法制备了纳米二氧化钛光催化剂,在500 W高压汞灯紫外光源下对降解甲基橙光催化活性进行了测定。以正交设计获取待分析的纳米二氧化钛制备数据样本,用方差分析和支持向量回归挖掘制备因素与光催化活性的联系。结果表明:通过正交试验,得到了对TiO2的催化活性影响因素的排序和最佳方案。影响因素排序是:煅烧温度(℃)、冰乙酸体积(mL)>蒸馏水用量(mL)>乙醇用量(mL);通过对检验样本进行实验和计算对比,计算与实验值有较高的拟合精度;正交试验结合支持向量回归可对不同制备工艺得到的光催化剂的活性进行较好的预测。 相似文献
17.
18.
Several data-driven methodologies for process monitoring and detection of faults or abnormalities have been developed for the safety of processing systems. The effectiveness of data-based models, however, is impacted by the volume and quality of training data. This work presents a robust neural network model for addressing the mislabelled and low-quality data in detecting faults and process abnormalities. The approach is based on harnessing data quality features along with supervisory labels in the network training. The data quality has been computed using the Mahalanobis distances and trusted centres of each class of data such as normal and faulty data. The method has been examined for detecting abnormalities in two case studies; a continuous stirred tank heater problem for detecting leaks and the Tennessee Eastman chemical process for detecting step and sticking faults. The performance of the proposed robust artificial neural networks (ANN) model is evaluated in terms of accuracy, fault detection rate, false alarm rate, and classification index at varying extents of mislabelling, namely, 1%, 5%, and 10% mislabelled data. The proposed model demonstrates higher detection performance, especially at increased labels of mislabelled data where the performance of the conventional ANN is severely impacted. The proposed methodology can be advantageous in handling mislabelled and low-quality data issues which are crucial in the data-driven modelling of processing systems. 相似文献