简介:摘要在本文中,我们将讨论一般系统的入侵检测方法,主要的想法是使用数据挖掘技术,发现相同的和有用的模式,描述程序和用户行为的系统功能,并使用相关的系统功能集计算(感应学习)的分类,可以识别异常和已知的入侵。通过实验对Sendmail系统调用数据和网络抓取数据,证明了我们可以构造简洁、准确的分类器检测异常。我们提供了两个通用的数据挖掘算法关联规则算法和频繁情节算法。这些算法可以被用来计算内和跨审计记录模式,这是必不可少的描述程序或用户行为。发现的模式可以指导审计数据收集过程和促进特征选择。为了满足高效学习(挖掘)和实时检测的挑战,我们提出了一个基于代理的体系结构的入侵检测系统的学习代理连续计算,并提供更新(检测)模型的检测代理。
简介:海洋贝类种类繁多,是近海底栖生态系统的优势种,在生态系统物质循环和能量流动中起着极其重要的作用;但因频繁的人类活动导致的贝类入侵问题,往往使该过程不能正常运转。大量研究表明,入侵贝类会抑制原著贝类或其他生物的生长及拓殖,形成单一优势群落,破坏当地生态系统的平衡,也会对海洋渔业生产和近海工程及作业等造成不可预测的危害。目前,欧美等国家针对该问题已开展了大量工作,十分重视入侵贝类的生物学、生态学与行为学特征及特性的研究,并根据其入侵途径与方式的不同开展了检测、监测、防控及管理工作。但在我国,入侵贝类还未引起相关部门及研究机构的足够重视。本文主要简述了我国近海的3种入侵贝类沙筛贝、指甲履螺和地中海贻贝的生物学、生态学及行为学等特征及其对当地生态系统的影响;同时,根据其特性及入侵过程控制的难易,建议在完善我国入侵贝类数据库的基础上加强早期预警与检测,以及安全防控和管理等工作。