• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>ICA3PP 2014 >Combining Supervised and Unsupervised Learning for Automatic Attack Signature Generation System
【24h】

Combining Supervised and Unsupervised Learning for Automatic Attack Signature Generation System

机译：组合监督和无监督学习自动攻击签名生成系统

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Signature-based intrusion detection system is currently used widely, but it is dependent on high quality and complete attack signature database. Despite a great number of automatic attack feature extraction system has been proposed, however, with the progress of attack technology, automatic attack signature generation system research is still an open problem. This paper presents a novel combining supervised and unsupervised learning for automatic attack signature generation system based on the transport layer and the network layer statistics feature, and the system outputs the signature sets in feedback way. Finally we demonstrate the effectiveness of the model by using network data from the laboratory and Darpa2000 datasets.
机译：基于签名的入侵检测系统目前广泛使用，但它取决于高质量和完整的攻击签名数据库。尽管已经提出了大量的自动攻击特征提取系统，但随着攻击技术的进展，自动攻击签名生成系统研究仍然是一个开放的问题。本文提出了一种基于传输层和网络层统计特征的自动攻击签名生成系统的新颖的监督和无监督学习，系统以反馈方式输出签名集。最后，我们通过使用来自实验室和DARPA2000数据集的网络数据来展示模型的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号