摘要
研究网络节点危险程度评估优化入侵检测问题。由于入侵的多样性和随机性,造成准确检测困难。传统的网络安全模型都是对信誉度或信任度等概念完成恶意节点整体检测,因为单个节点属性较为复杂,所承担的作用不同,使得针对单个节点信息评估过程较为粗糙,很难设定准确阀值进行精确判断,造成传统模型对单个节点危险程度评估不准。提出一种危险程度的网络节点恶意程度评估模型,使用马尔科夫算法与贝叶斯学习器计算单个节点的危险度,运用贝叶斯方法推断出节点恶意程度的解空间,依据节点的属性特征计算节点的恶意度,克服传统方法不能对单个节点做出判断的弊端。实验表明,与已有的安全模型相比,提出的安全管理模型对恶意节点具有更高的检测率。
学科与关键词
关键词
神经网络入侵检测遗传算法 Neural networkIntrusion detectionGenetic algorithm
- A Hierarchical Evaluation Approach for Network Security Based on Threat Spread ModelChen Feng; Liu Dehui; Zhang Yi; Su Jishu2011.
- Stochastic Modeling and Evaluation for Network SecurityLIN Chuang; WANG Yang; LI Quan Lin2005.
- 基于上下文验证的网络入侵检测模型田志宏; 王佰玲; 张伟哲; 叶建伟; 张宏莉计算机研究与发展, 2013, (03): 498-508.
