

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著入侵檢測技術(shù)的重要性日益凸顯以及Linux操作系統(tǒng)的地位不斷提升,對Linux入侵檢測系統(tǒng)進行研究具有重要的現(xiàn)實意義。目前Linux下的入侵檢測系統(tǒng)主要使用基于規(guī)則匹配和數(shù)據(jù)完整性校驗的模式構(gòu)建,大部分不具備智能的自適應(yīng)能力,可擴展性差,檢測性能有待提高。本文采用網(wǎng)格技術(shù)和集成學(xué)習(xí)算法AdaBoost,設(shè)計了一個新型結(jié)構(gòu)的智能Linux主機入侵檢測系統(tǒng)。論文的主要創(chuàng)新工作有:
Linux主機入侵檢測系統(tǒng)設(shè)計中引入了網(wǎng)格技術(shù)
2、。系統(tǒng)的數(shù)據(jù)采集節(jié)點采用網(wǎng)格開發(fā)工具包Globus Toolkit搭建網(wǎng)格環(huán)境,分布式采集Linux主機信息和與Linux主機相關(guān)的網(wǎng)絡(luò)信息;通過網(wǎng)格中間件OGSA-DAI實現(xiàn)特征數(shù)據(jù)的訪問和集成,并以網(wǎng)格服務(wù)的形式將特征數(shù)據(jù)提交給分析中心進行檢測分析。網(wǎng)格技術(shù)有效地解決了傳統(tǒng)Linux主機入侵檢測系統(tǒng)中負載集中、可擴展能力差等問題。
提出一種基于AdaBoost的入侵特征約減算法,利用該算法約減入侵特征中的冗余特征。在該算法
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于主機的入侵檢測系統(tǒng)研究.pdf
- 基于Linux的主機入侵檢測系統(tǒng)設(shè)計.pdf
- 基于HMM的Linux主機入侵檢測系統(tǒng).pdf
- 基于貝葉斯網(wǎng)絡(luò)的主機入侵檢測系統(tǒng)研究與設(shè)計.pdf
- 在linux2.6內(nèi)核版本中構(gòu)建基于主機的入侵檢測系統(tǒng)
- 基于Linux的網(wǎng)絡(luò)入侵檢測系統(tǒng)的研究.pdf
- Linux下基于神經(jīng)網(wǎng)絡(luò)的智能入侵檢測系統(tǒng)研究.pdf
- 基于支持向量機的Windows主機入侵檢測系統(tǒng)研究與實現(xiàn).pdf
- Linux環(huán)境下主機系統(tǒng)入侵防御的策略研究.pdf
- 基于Linux下的網(wǎng)絡(luò)入侵檢測系統(tǒng).pdf
- 基于AdaBoost算法的目標(biāo)檢測系統(tǒng)研究.pdf
- 基于MLSI的多主機入侵檢測系統(tǒng)的研究.pdf
- 基于主機的入侵檢測方法研究.pdf
- 基于LINUX下橋模式的入侵檢測系統(tǒng)的研究.pdf
- 基于主機入侵檢測系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于系統(tǒng)調(diào)用的主機入侵檢測系統(tǒng)的研究與實現(xiàn).pdf
- 基于NDIS的入侵檢測系統(tǒng)研究.pdf
- 基于SVM的入侵檢測系統(tǒng)研究.pdf
- 基于SNOR的入侵檢測系統(tǒng)研究.pdf
- 基于RS_Adaboost的入侵檢測方法研究.pdf
評論
0/150
提交評論