国家火炬计划(2005EB011484)

作品数:7被引量:7H指数:1
导出分析报告
相关作者:廖明涛张德运侯琳李金库张军更多>>
相关机构:西安交通大学西安建筑科技大学更多>>
相关期刊:《计算机工程》《微电子学与计算机》《西安交通大学学报》更多>>
相关主题:证据理论垃圾邮件过滤垃圾邮件网络蠕虫检测层次聚类更多>>
相关领域:自动化与计算机技术更多>>
-

检索结果分析

结果分析中...
条 记 录,以下是1-7
视图:
排序:
基于模糊K最近邻和证据理论的增量式超文本分类方法
《微电子学与计算机》2009年第3期200-202,206,共4页侯琳 廖明涛 李金库 
国家"八六三"计划项目(2003AA148010);国家火炬计划(2005EB011484)
为有效利用超文本中HTML标记提供的分类信息,文中分析了HTML标记对分类的影响,提出了一种基于模糊K最近邻和证据理论的增量式超文本分类方法.该方法将超文本的分类处理分为基于标题、重要段落和全文三个阶段,利用模糊K最近邻方法计算每...
关键词:超文本分类 模糊K最近邻 证据理论 
基于多特征模糊关联的垃圾邮件过滤方法
《微电子学与计算机》2008年第3期1-3,7,共4页廖明涛 张德运 侯琳 李金库 
国家“八六三”计划项目(2003AA148010);国家火炬计划项目(2005EB011484)
提出一种基于多特征模糊关联的垃圾邮件过滤方法.该方法分为预处理和实时处理两个阶段,在预处理阶段,分析训练样本集,提取邮件的发送源特征和文本特征的典型特征值集合,计算典型特征值与合法邮件类、垃圾邮件类之间的模糊关联度.在实时...
关键词:垃圾邮件过滤 模糊关联 证据理论 
基于朴素贝叶斯和层次聚类的两阶段垃圾邮件过滤方法被引量:5
《微电子学与计算机》2007年第8期1-3,7,共4页廖明涛 张德运 李金库 
国家"863"计划项目(2003AA148010);国家火炬计划项目(2005EB011484)
为降低对合法邮件的误判,提出一种基于朴素贝叶斯和层次聚类的两阶段垃圾邮件过滤方法。该方法将邮件划分为"合法邮件"、"可疑邮件"和"垃圾邮件"3类,在第一阶段,利用朴素贝叶斯算法速度快、分类性能好的优点,对邮件进行初步分类;在第二...
关键词:朴素贝叶斯 层次聚类 垃圾邮件过滤 
基于失败连接分析的网络蠕虫检测系统研究被引量:1
《微电子学与计算机》2007年第5期100-102,共3页廖明涛 张德运 侯琳 李金库 
国家863计划项目(2003AA148010);国家火炬计划项目(2005EB011484)
根据网络蠕虫攻击的特点,提出一种基于失败连接分析的网络蠕虫早期检测系统。该系统通过实时分析失败连接流量分布和正常状态的偏离度来检测蠕虫,通过分析失败连接集的自相似度进一步降低蠕虫检测的误报率。基于原型系统的实验结果显示...
关键词:网络安全 网络蠕虫检测 失败连接 
基于能量特征和支持向量机的网络蠕虫检测方法被引量:1
《计算机工程》2007年第3期32-34,共3页廖明涛 张德运 侯琳 张军 
国家"863"计划基金资助项目(2003AA148010);国家火炬计划基金资助项目(2005EB011484)
根据网络蠕虫攻击的特点,建立了能够反映蠕虫扫描特征的失败连接流量(FCT)时间序列,提出了一种基于FCT时间序列小波包能量特征和支持向量机(SVM)的蠕虫检测新方法。该方法利用小波包分析计算FCT时间序列在各频带投影序列的能量分布,获...
关键词:蠕虫检测 能量特征 支持向量机 
网络信息审计系统中的实时网页分类方法
《西安交通大学学报》2006年第12期1393-1396,共4页廖明涛 张德运 侯琳 李金库 
国家高技术研究发展计划资助项目(2003AA148010);国家火炬计划资助项目(2005EB011484)
为了实现网络信息审计系统中的实时网页分类,提出了一种基于Dempster-Shafer证据理论的分类新方法.其基本思路是:不进行IP分片包重组,直接将网页地址特征和分片数据包作为分类的证据,计算各个证据对类的支持度,然后利用Dempster证据组...
关键词:网络信息审计 网页分类 证据理论 
基于失败连接流量偏离度的蠕虫早期检测方法
《计算机工程》2006年第15期22-24,33,共4页廖明涛 张德运 侯琳 
国家"863"计划基金资助项目(2003AA148010);国家火炬计划基金资助项目(2005EB011484)
通过分析网络蠕虫攻击的特点,定义了能够反映蠕虫攻击特征的失败连接流量偏离度(FCFD)的概念,并提出了一种基于FCFD时间序列分析的蠕虫早期检测方法。该方法利用小波变换对FCFD时间序列进行多尺度分析,利用高频分量模极大值进行奇异点检...
关键词:网络蠕虫检测 小波变换 奇异点检测 
检索报告 对象比较 聚类工具 使用帮助 返回顶部