文献类型：期刊文章

作　　者：刘勇国[1] 彭军[2] 张伟[3] 李学明[1] 廖晓峰[1] 吴中福[1]

机构地区：[1]重庆大学计算科学与工程学院,重庆400044 [2]重庆工业高等专科学校计算机系,重庆400050 [3]重庆教育学院计算机与现代教育技术系,重庆400067

出　　处：《重庆工业高等专科学校学报》

年　　份：2003

卷　　号：18

期　　号：1

起止页码：4-8

语　　种：中文

收录情况：普通刊

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(IntrusionDetectionUsingGeneticClustering)。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 。

关 键 词：入侵检  聚类 遗传算法

分 类 号：TP393]