简介:通过对目前正在实施的入侵检测系统的深入分析,利用Java语言的安全性机制,来设计入侵检测系统,提高其自身的安全性.介绍了用Java来设计入侵检测系统中的网络通信模块,提高检测网络数据安全性的能力。
简介:研究了入侵检测系统中海量数据分类的问题.讨论了深度信念网络(DBN)的原理,提出了基于DBN的入侵检测模型.DBN由多层无监督的限制玻尔兹曼机(RBM)网络和一层有监督的反向传播(BP)网络构成.该入侵检测模型采用一种快速、贪婪的方法对DBN网络进行预训练,利用对比分歧算法逐层训练每一个RBM网络;然后,利用有监督的BP算法对整个DBN网络进行微调,并同时对RBM网络输出的低维特征进行入侵数据分类.基于KDDCUP1999数据集的实验结果表明,使用3层以上的DBN模型分类效果优于自组织映射和神经网络方法.因此,DBN是一种有效且适用于高维特征空间的入侵检测方法。
简介:澳大利亚海岸带边缘区域降雨量长期低于平均水平,加之人口密度的不断增长,导致对海岸带水资源的压力增大,同时,也增加了海水入侵的风险。尽管大多数州有过海水入侵报道,而且有证据证明澳大利亚海岸带有一些含水层严重枯竭的事实,但是,海水入侵综合调查只是完成了昆士兰沿海体系,而澳大利亚西部和澳大利亚南部完成的程度较低。评估程度似乎与地下水资源的感知经济价值有关,最详细的研究包括昆士兰的峡谷和盆地,在该区已经开发了区域规模的概念模型和数学模型,用于加强预警级管理方法以保护该区域,阻止进一步的海水入侵。过去应对海水入侵的方式包括建立人工补给方式,最主要的是昆士兰含水层。推荐的未来解决方案包括量身定制海水入侵监测方案,继续研究调查方法,利用海水入侵评估和管理的教育项目和编制国家指南,改善知识共享网络。