基于数据挖掘的网络入侵检测方法

发明专利有效专利

申请号：
CN201811637319.X
IPC分类号：H04L29/06;G06F16/2458;G06K9/62
申请日期：
2018-12-29
申请人：
杭州电子科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于数据挖掘的网络入侵检测方法
申请号	CN201811637319.X	申请日期	2018-12-29
法律状态	授权	申报国家	暂无
公开/公告日	2019-06-04	公开/公告号	CN109842614A
优先权	暂无	优先权号	暂无
主分类号	H04L29/06 ? IPC结构图谱： H 电学 H9 电学 H04 电通信技术 H04L 数字信息的传输，例如电报通信（电报和电话通信的公用设备入H04M）〔4〕 H04L29/00 H04L 1/00至H04L 27/00单个组中不包含的装置、设备、电路和系统〔5〕 H04L29/02 通信控制；通信处理（H04L 29/12，H04L 29/14优先）〔5〕 H04L29/06 以协议为特征的〔5〕	IPC分类号	H;0;4;L;2;9;/;0;6;;;G;0;6;F;1;6;/;2;4;5;8;;;G;0;6;K;9;/;6;2查看分类表>
申请人	杭州电子科技大学	申请人地址	浙江省杭州市下沙高教园区2号大街变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	杭州电子科技大学	当前权利人	杭州电子科技大学
发明人	王秋华;欧阳潇琴;詹佳程;吕秋云
代理机构	杭州君度专利代理事务所（特殊普通合伙）	代理人	朱月芬

摘要

本发明涉及基于数据挖掘的网络入侵检测方法。现有技术中存在样本权值更新缺陷所造成的分类准确率降低，冗余弱分类器造成的分类速度慢、计算开销大等问题。本发明方法在弱分类器训练阶段，采用改进权值更新方法的Adaboost算法进行弱分类器训练，根据各个样本在前t次训练中的加权平均正确率来更新样本权值，抑制了噪声样本权值的无限扩大，令所有样本的权值更新更均衡。在弱分类器组合阶段，提出一种新的弱分类器间相似度度量方式，并基于该相似度度量方式和层次聚类算法进行选择性集成，将相似度超过阈值的弱分类器归入一类，取每类中分类准确率最高的弱分类器组合成强分类器，从而剔除冗余弱分类器，提高了分类速度，减少了计算开销。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供