基于数据挖掘的自适应入侵检测模型研究
原价 ¥ 20.00
促销价 ¥ 1.00 评分 4.4
报错
- 详情
- 2021-03-23
- 简介
- 1.1MB
- 页数 4P
- 阅读 88
针对当前入侵检测系统的局限性,提出将数据挖掘技术引入到入侵检测中,研究了Apriori关联算法、ID3分类算法和FHCAM聚类算法在入侵检测中的应用,建立了一个基于数据挖掘的自适应入侵检测模型。该模型能够识别已知和未知的入侵,降低检测的漏报率和误报率,有效的提高检测效率。
对不起,您暂无在线预览权限,如需浏览请
立即登录热门商品
相关推荐
基于数据挖掘的自适应入侵检测模型研究 1.1MB
基于数据挖掘的异常检测模型研究初探 247KB
模糊数据挖掘和遗传算法在入侵检测中的应用 556KB
基于小样本标记实例的数据流集成入侵检测模型 518KB
基于数据挖掘的审计风险模型构建研究 232KB
基于GIS的空间数据挖掘模型研究 255KB
基于数据挖掘的电力客户细分模型研究 1.6MB
基于One-R的改进随机森林入侵检测模型研究 236KB
基于数据挖掘的电力需求预测模型 98KB
基于云模型与决策树的入侵检测方法 1019KB