排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
提出一种新的基于隐马尔可夫模型的程序行为异常检测方法,此方法利用系统调用序列,并基于隐马尔可夫模型来描述程序行为,根据程序行为模式的出现频率对其进行分类,并将行为模式类型同隐马尔可夫模型的状态联系在一起。由于各状态对应的观测值集合互不相交,模型训练中采用了运算量较小的序列匹配方法,与传统的Baum Welch算法相比,训练时间有较大幅度的降低。考虑到模型中状态的特殊含义以及程序行为的特点,将加窗平滑后的状态序列出现概率作为判决依据。实验表明,此方法具有很高的检测准确性,其检测效率也优于同类方法。 相似文献
2.
随着移动通信中线性调制方式的出现 ,功率放大器的线性化已成为一个重要的研究课题。通常采用预失真线性化技术来提高功率放大器的线性度、减小带外发射。用复频谱卷积方法对移动发射机中功率放大器进行线性化的自适应预失真器进行了研究 ,理论分析和仿真结果表明 ,可用一种不需要任何附加本机振荡器或相位参考的复卷积方法测量带外功率并利用该量对预失真器系数进行最佳调整 ,从而使带外功率达到最小。 相似文献
3.
在进行事件分析之前,网络入侵检测系统首先要面对数据缩减的问题。以ANIDS为背景,分析了两种重要的数据缩减技术:相关特征子集选择和特征再构造。提出了一种基于Wrapper方法的最优特征子集选取算法SRRW。在考虑学习算法偏置的情况下,通过识别强相关特征并引入约束,能够更快地搜索并获得最优的相关特征子集。从特征再构造角度出发实现数据缩减,并通过因子负荷量矩阵分析了原始特征之间的相关性。 相似文献
4.
1