摘要：传统的入侵检测方法在面对网络结构升级和未知攻击时,缺乏必要的扩展性和自适应能力,而基于机器学习的检测算法首先需要训练数据集进行训练,然后建立检测模型并通过测试数据集中入侵行为的检测结果来验证,此类方法由于获取类标识数据的困难性及其信息表达的局限性,降低了对未知攻击的检则能力。本文提出利用遗传聚类进行入侵检测算法IDUGC(Intrusion Detection Using Genetic Clustering)。实验结果表明,此算法在未知入侵检测方面是可行的、有效的,并具有良好的可扩展性。

原文链接:http://www.cqvip.com//QK/97485A/200301/7934897.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）