云计算入侵检测数据融合技术

doi:10.3969/j.issn.1006-2475.2013.09.044

计算机与现代化 ›› 2013, Vol. 1 ›› Issue (9): 179-182.doi: 10.3969/j.issn.1006-2475.2013.09.044

云计算入侵检测数据融合技术

李连¹，朱爱红²

1.海军航空工程学院控制工程系，山东烟台 264001；2.海军航空工程学院训练部，山东烟台 264001

收稿日期:2013-03-21 修回日期:1900-01-01 出版日期:2013-09-17 发布日期:2013-09-17

Data Fusion of Intrusion Detection in Cloud Computing

LI Lian¹, ZHU Ai-hong²

1. Department of Control Engineering, Naval Aeronautical and Astronautical University, Yantai 264001, China;2. Department of Training, Naval Aeronautical and Astronautical University, Yantai 264001, China

Received:2013-03-21 Revised:1900-01-01 Online:2013-09-17 Published:2013-09-17

摘要/Abstract

摘要： 入侵检测是最常用的一种网络安全技术，云计算环境对入侵检测系统提出了新的要求。针对分布式入侵检测系统中来自不同类型入侵检测系统的数据需要融合处理的问题，本文探讨入侵检测数据融合模型的设计与实现问题，提出通过对不同类型的入侵检测数据进行融合后再经过多级提炼，产生多抽象级情景描述，最终能产生更为准确的入侵检测评估结果。

关键词: 云计算, 分布式入侵检测系统, 数据融合, 情景描述

Abstract: Intrusion detection is a common network security technology, cloud computing proposes new requirements to intrusion detection system(IDS). In distributed intrusion detection system, there are many different types of IDSs, and data fusion enables the combination of the output of different types of IDSs. The design and achievement of data fusion process model are discussed. By making inferences from the combined data, a multiple level-of-abstraction situational description is emerged, and an analysis of the threat of the current situation is presented.

Key words: cloud computing, distributed intrusion detection system, data fusion, situational description

中图分类号:

TP393.08

李连;朱爱红. 云计算入侵检测数据融合技术[J]. 计算机与现代化, 2013, 1(9): 179-182.

LI Lian;ZHU Ai-hong. Data Fusion of Intrusion Detection in Cloud Computing[J]. Computer and Modernization, 2013, 1(9): 179-182.

[1]	陈亮, 李诚, 易伟, 熊伟, 汪晓帆, 唐海东. 基于毫米波雷达与视觉融合的电力现场安全帽佩戴检测[J]. 计算机与现代化, 2024, 0(12): 100-107.
[2]	杜猛俊1, 李昂1, 童俊1, 钱锦1, 康恺1, 王若丁1, 靳文星2. 基于改进极限学习算法的电力信息数据融合模型[J]. 计算机与现代化, 2024, 0(10): 61-64.
[3]	谷明轩, 范冰冰. 基于多模态特征融合的抑郁症识别[J]. 计算机与现代化, 2023, 0(10): 17-22.
[4]	何玉鹏, 陶勇, 王必恒, 赵英男. 智能配电网边缘计算研究现状与展望[J]. 计算机与现代化, 2023, 0(08): 87-92.
[5]	杨波, 徐胜超. 基于SRv6服务链的云网专线场景安全防护方法[J]. 计算机与现代化, 2023, 0(08): 107-111.
[6]	毛明扬, 徐胜超. 可信赖云计算的通信终端攻击行为识别算法[J]. 计算机与现代化, 2022, 0(11): 37-42.
[7]	曹禹, 李晓辉, 刘忠麟, 贾贺, 费志伟. 云环境大数据工作流编排管理系统研究综述[J]. 计算机与现代化, 2022, 0(01): 41-53.
[8]	张晓敏. 基于布隆过滤器属性基的多关键词可搜索方案[J]. 计算机与现代化, 2021, 0(08): 104-111.
[9]	邓斌涛, 徐胜超. 基于动态双子种群的差分进化K中心点聚类算法[J]. 计算机与现代化, 2021, 0(07): 54-59.
[10]	吴君才, 刘雪芳. 基于云计算和深度信念网络的数字资源配置[J]. 计算机与现代化, 2021, 0(05): 78-82.
[11]	陆歌皓, 杨丹妮. 区块链即服务的发展现状与展望[J]. 计算机与现代化, 2020, 0(10): 31-35.
[12]	刘建锋, . 一种面向互联概率加权的JPDA多传感器数据融合方法[J]. 计算机与现代化, 2020, 0(08): 31-40.
[13]	梁慈1,陈世平2. 基于包簇映射架构的包漂移策略研究[J]. 计算机与现代化, 2019, 0(11): 112-.
[14]	丁顺1,陈世平2. 基于包簇映射机制的实验平台建设及应用[J]. 计算机与现代化, 2019, 0(11): 120-.
[15]	文婷婷,李洪赭. 面向云服务平台的弹性负载均衡算法[J]. 计算机与现代化, 2019, 0(10): 28-.

云计算入侵检测数据融合技术

Data Fusion of Intrusion Detection in Cloud Computing

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价