摘要
采用支持向量机的入侵检测手段有助于应对日益更新的攻击方法。从数据来源和分析的角度,可以将入侵检测模型分为基于工业流量,工业过程,用户行为,恶意文件四大类。在实验中,采用BP神经网络对系统各个区域之间的状态做出预测,通过区域之间状态的推导,就能准确地判断出遭受到攻击的区域。
The intrusion detection method based on support vector machine is helpful to deal with the increasingly updated attack methods.From the perspective of data source and analysis,intrusion detection model can be divided into four categories:Based on industrial traffic,industrial process,user behavior and malicious files.In the experiment,BP neural network is used to predict the state of each region of the system.Through the derivation of the state of each region,the region that is attacked can be accurately determined.
作者
肖铮
XIAO Zheng(Sichuan Technology&Business College,Chengdu 611830,China)
出处
《山东工业技术》
2020年第1期47-49,共3页
Journal of Shandong Industrial Technology
基金
四川省高等教育人才培养质量和教学改革项目“基于人工智能的个性化教育人才培养模式的构建和研究”(JG2018-1168)
教育部科技发展中心产学研创新基金项目“基于大数据和人工智能的个性化教育关键技术研究”(2018A03007)
中国轻工业联合会教育工作分会2019年课题“基于人工智能技术的技能创新平台研究与实践”(QGJY2019020)
四川工商职业技术学院院级教育教学类课题“‘智能+’时代教育人才培养模式的构建和研究”(2019JY04)的资助。
关键词
机器学习
BP神经网络
异常检测
攻击
machine learning
BP neural network
anomaly detection
attack
