导读:本文包含了选择性入侵论文开题报告文献综述及选题提纲参考文献，主要关键词:网络入侵检测,极限学习机(ELM),异常检测,选择性集成学习
选择性入侵论文文献综述
刘金平,何捷舟,马天雨,张五霞,唐朝晖[1]（2019）在《基于KELM选择性集成的复杂网络环境入侵检测》一文中研究指出为解决复杂网络环境网络入侵事件特征复杂多变、新型入侵检测度低、检测时间长、难以实现实时检测的问题,本文提出一种基于核极限学习机(Kernel Extreme Learning Machine,KELM)选择性集成的网络入侵检测方法(SEoKELM-NID).该方法采用Bagging策略独立快速训练出多个KELM子学习器;然后基于边缘距离最小化(Margin Distance Minimization,MDM)准则对KELM子学习器的集成增益进行度量,通过选择增益度高的部分KELM子学习器进行选择性集成,获得泛化能力强、效率高的选择性集成学习器;同时,引入一种基于批量样本增量学习的KELM子分类器在线更新策略,实现入侵检测模型的在线更新,使SEoKELM-NID能有效适应复杂网络环境的变化.在KDD99数据集和一个以太网和无线网络混合的复杂网络仿真实验平台上进行了仿真实验验证,结果表明,SEoKELM-NID相比基于单个学习器以及传统集成学习的网络入侵检测方法具有更好的识别准确性以及更快的识别速度,特别对于未知的网络入侵连接事件响应速度快、漏报率低.(本文来源于《电子学报》期刊2019年05期）
王飞[2]（2018）在《在MANET下抗选择性黑洞攻击的入侵检测系统》一文中研究指出移动自组织网络中,节点作为一个终端或路由来和网络中其他节点进行通信。黑洞攻击是MANET中一种常见的攻击,恶意节通过返回包含到达目标节点的错误最短跳数,从而形成一个只吸收数据包的黑洞。其中,选择性黑洞攻击是一种特殊种类的黑洞攻击,其选择性地丢弃数据包。基于此,在AODV协议的基础上提出一种改进的路由协议来检测和防止选择性黑洞攻击,根据目标节点接收包的概率来判断是否启动检测过程,并通过计算任意两节点间的可疑行为概率,来找出源路由中的可疑节点,一旦定位和隔离恶意节点后,所有节点将包含攻击节点的信息从它们的路由缓存中清除。最后通过仿真实验验证了所提技术的有效性。(本文来源于《控制工程》期刊2018年04期）
李紫丽[3]（2016）在《菟丝子对本地植物及入侵植物葎草的选择性寄生研究》一文中研究指出生物入侵对入侵地的自然群落和生态系统造成一定程度的破坏,导致物种多样性和生态系统多样性的丧失,造成巨大的经济损失与资源生态灾难,甚至损害人类及动植物的健康。目前控制生物入侵的方法主要有人工、物理、化学、生物和综合防除方法。其中生物控制是目前最安全有效、绿色的防除手段,它是按照天敌和物种之间共存的生态学平衡理论,引入入侵种的天敌来抑制外来种在入侵地的繁殖、扩散,使它们食物链之间维持一种全新的平衡。但是引入天敌可能会造成二次生物入侵,因此从入侵地筛选本地天敌对入侵植物进行生物控制成为生物控制的一种新方向。本研究通过模拟野外条件下植物的生长环境,利用盆栽试验研究菟丝子(Cuscuta)对本地植物和入侵植物葎草(Humulus scandens)选择性寄生的影响因素。通过研究本地植物与入侵植物在植物来源(入侵植物和本地植物)、密度(光照强度)、物种多样性(物种数目)、含水量以及营养含量(碳—C、氮—N和磷—P)之间的差异比较菟丝子在本地植物与入侵植物间寄生的数量(百分比)来分析菟丝生选择性寄生的主导因子。结果表明菟丝子寄生的数量随植物地面光照强度的下降而升高而随植物氮含量的增高而增加,而菟丝子寄生的数量与植物来源、物种多样性、含水量、C含量和P含量的相关性不显着。本结果说明影响菟丝子寄生的主要因素是光照强度以及寄主植物N的含量,而植物来源、物种多样性、含水量、C含量和P含量对菟丝子选择性寄生的影响不显着。由于葎草在野外形成高密度的单优群落,同时群落中又没有其它本地植物可以寄生,因此菟丝子野外寄生葎草是由于葎草群落地面光照弱,同时又没有其他本地植物可寄生所导致的。根据我们的实验结果可以推断菟丝子也会寄生本地植物,因此只有在葎草为单优群落时才能利用菟丝子控制葎草。虽然利用菟丝子防除葎草的生物控制方法有一定的局限性,但本研究也解释了菟丝子选择性寄生的影响因素,这也为将来研究菟丝子防除其他入侵植物提供了更详细的依据。(本文来源于《湖南农业大学》期刊2016-12-01）
王希玲[4]（2016）在《基于选择性集成学习的网络入侵检测方法研究》一文中研究指出随着网络安全风险系数的不断提高,曾经作为最主要的安全防范手段的防火墙,已经不能满足人们对网络安全的需求。作为对防火墙的有益补充,入侵检测系统能够快速发现网络攻击的发生。近年来,网络入侵检测技术得到了快速的发展,但其理论基础仍然不够完善,在实际应用中还存在着对新攻击检测率低、时间复杂度高、泛化能力差等问题。为了解决现有的入侵检测系统所存在的问题,本文采用机器学习的思想对网络入侵检测技术进行研究,并设计出基于选择性集成学习的网络入侵检测方法。选择性集成学习可以在提高学习系统泛化能力的同时有效降低系统的计算与存储开销。因此,本文采用选择性集成学习来检测网络入侵。首先,考虑基学习器的训练问题,提出一种基于依赖决策熵的决策树分类算法DTDDE;其次,考虑基学习器的选择与集成问题,提出一种新的基于决策树的选择性集成学习算法SELDT,SELDT算法利用DTDDE来训练基学习器,并通过Q-统计量来计算基学习器之间的差异度。第叁,考虑选择性集成学习在网络入侵检测中的应用问题,即利用SELDT算法来检测网络入侵,从而构建出一种新的入侵检测方法。该方法可以在不增加入侵检测系统建模时间的前提下,有效提高系统的检测性能。本文的主要工作包括以下几个方面:(1)提出一种基于依赖决策熵的决策树分类算法DTDDE。针对传统的基于信息熵的决策树算法所存在的问题,提出一种依赖决策熵的概念,并使用依赖决策熵来计算属性重要性,从而设计出一种基于依赖决策熵的决策树分类算法DTDDE。通过在多个UCI数据集上的实验表明,与现有的决策树算法相比,DTDDE算法能够获得更好的分类性能。(2)提出一种新的基于决策树的选择性集成学习算法SELDT。通过对原始数据进行有放回的抽样来获得多个训练集,分别在每个训练集上利用(1)中所提出的决策树分类算法DTDDE来训练一个基学习器,并利用Q-统计量来计算基学习器之间的差异度。最后,选择M个差异度最大的基学习器来构建集成学习器。通过在真实数据集上的实验验证了SELDT算法的有效性。(3)将(2)中所提出的算法SELDT应用于网络入侵检测,从而得到一种新的基于选择性集成学习的入侵检测方法。为了将网络入侵行为与正常行为有效区别开来,该方法通过DTDDE算法来训练基学习器,并利用SELDT算法来构建集成学习器。采用入侵检测领域广泛使用的KDD Cup 99数据集来验证该方法的有效性。相对于传统的方法,本文所提出的方法具有更好的入侵检测性能。(本文来源于《青岛科技大学》期刊2016-04-10）
吴溪[5]（2015）在《选择性腹股沟放射治疗对局部进展期直肠腺癌入侵肛管的患者是否必要?》一文中研究指出作者通过对2001~2011年期间1 246例行根治性手术并在手术前后辅以放化疗的局部进展期直肠腺癌患者的临床资料进行回顾性分析,以探讨选择性腹股沟区放射治疗对临床表现为腹股沟区淋巴结阴性的局部进展期直肠腺癌入侵肛管的患者是否必要。本组患者中临床表现为腹股沟区淋巴结阴性者未实施放疗;肛管受侵定义为肿瘤边缘距肛门3 cm;1 246例患者中伴肛管受侵189例,无肛管受侵1 057例;随访时间中位数为66个月(3~142个月)。结果:1 246例患者中10例出(本文来源于《中国普外基础与临床杂志》期刊2015年10期）
马丁,鞠瑞亭,李博[6]（2015）在《土着昆虫素毒蛾对入侵植物互花米草地理种群的选择性》一文中研究指出外来植物入侵后会改变其对入侵地植食性昆虫的防御能力以应对入侵地生物环境的变化,因此,对土着昆虫防御能力变化的研究将有助于解释外来植物成功入侵的机制。互花米草(Spartina alterniflora)是广泛入侵中国东部沿海地区的外来植物,研究其入侵后对本地植食性昆虫的响应,可从一个侧面部分地回答其成功入侵的生态机制。利用Y型嗅觉仪,结合室内取食实验,我们比较了中国的土着昆虫素毒蛾(Laelia coenosa)对互花米草3个原产地种群和5个入侵地种群的选择偏好,这些种群分别来自美国的德克萨斯(Texas Point)、卡纳维拉尔国家海岸(Canaveral National Seashore)、佛罗里达大西洋大学(Florida Atlantic University),以及中国的唐海、天津、盐城、崇明、珠海。结果表明,虽然素毒蛾幼虫对互花米草不同地理种群叶片气味没有显着的选择偏好,但对原产地种群的取食相对选择系数显着高于入侵地种群,说明互花米草入侵地种群对素毒蛾的抵抗能力相对较强。这从某种层面上可以推测互花米草入侵中国东部沿海地区以后,其对植食性昆虫取食的防御能力有所增强,而这种能力将在一定程度上减少素毒蛾等入侵地植食动物对它的攻击。(本文来源于《生物多样性》期刊2015年01期）
王凯歌,雷仲仁[7]（2011）在《叁种外来入侵斑潜蝇的寄主选择性研究进展》一文中研究指出美洲斑潜蝇(L.sativae Blanchard)、叁叶斑潜蝇(L.trifolii Burgess)和南美斑潜蝇(Liriomyza huidobrensis Blanchard)均隶属双翅目(Diptera),潜蝇科(Agromyzidae),斑潜蝇属(Liriomyza),是3种重要的外来入侵害虫,也是多食性斑潜蝇。3种斑潜蝇对寄主选择性不仅可能存在科、属、种间差异,也可能存在变种和品种差异,同种斑潜蝇对不同科、属、种间的寄主植物选择性也存在差异。目前造成这些选择性差异的主要原因有物理、化学、生化和生态等4个方面。①寄主植物叶片的物理特性,包括叶片的厚度、叶表皮毛密度及长度、叶片栅栏组织与海绵组织厚度以及细胞排列紧密程度等。美洲斑潜蝇和叁叶斑潜蝇喜食寄主叶片的栅栏组织而南美斑潜蝇喜食海绵组织。番茄叶片少毛品种与多毛品种相比,美洲斑潜蝇更喜欢在少毛品种上取食和产卵。大部分叁叶斑潜蝇将卵产在下层较老的马铃薯叶片上,这是因为下层叶片的叶毛密度显着少于上部较嫩叶片的。②寄主植物叶片的化学性质,包括寄主叶片所含可溶性化学物质种类、含量以及叶片气体挥发物对斑潜蝇的吸引和趋避。寄主植物叶片中可溶性糖含量越高,对美洲斑潜蝇雌成虫产卵和幼虫发育越不利。南美斑潜蝇对22个不同蔬菜品种的选择性与叶片中黄酮和单宁酸含量都存在极显着的负相关。叁叶斑潜蝇在寄主植物叶片单位面积上的产卵点数与叶片中可溶性糖含量呈负相关,而取食点数与叶片中叶绿素的含量呈正相关。由寄主植物产生的化学复合物可以根据斑潜蝇对寄主选择行为的不同作用分类,像引诱剂,驱避剂,取食和产卵刺激物及阻碍剂。斑潜蝇可利用寄主植物产生的一些非挥发性次生化合物提高对寄主的选择效率。室内"Y"形管实验表明,菜豆、番茄、黄瓜3种寄主植物,它们的植物挥发物对南美斑潜蝇的引诱强度依次为菜豆>黄瓜>番茄。斑潜蝇成虫对寄主植物产生气味的顶空有积极的反应,但对非寄主植物却无反应。3种斑潜蝇均不喜食苦瓜,不仅是因为苦瓜叶片栅栏组织和叶片厚度都很薄,而且苦瓜叶片中的一些次生代谢物质例如葫芦素B等对斑潜蝇的取食和产卵起到了趋避作用。③斑潜蝇自身的生化特性,主要是斑潜蝇体内酶的种类及活性。取食不同寄主,南美斑潜蝇后代体内羧酸酯酶和乙酰胆碱酯酶活力存在显着差异,而以上两种酶一种是斑潜蝇体内的解毒酶系,一种是有机磷和氨基甲酸酯类杀虫剂的靶标酶。取食小麦和蚕豆的南美斑潜蝇体内,保护酶系中的过氧化物酶和超氧化物歧化酶的活性以及代谢酶系中的丙氨酸氨基转移酶和天冬氨酸氨基转移酶的活力均存在显着差异。④生态因素,主要是寄主植物对斑潜蝇天敌寄生蜂的影响。寄主植物—斑潜蝇—寄生蜂叁者形成的既相互依赖又相互制约的互作关系对斑潜蝇对寄主植物的选择具有重要的影响。潜蝇茧蜂对寄主植物有明显的趋向性,尤其对被斑潜蝇为害的植株,表现出很强的趋向性。分别从为害番茄和芹菜的叁叶斑潜蝇中饲养出的寄生蜂的种类和数量都不相同。本文主要对美洲斑潜蝇、叁叶斑潜蝇和南美斑潜蝇对不同科的寄主植物、同一科的不同种以及同种寄主植物的不同品种的喜好程度进行类比分析,对3种斑潜蝇选择寄主植物的内在机制进行总结,为抗虫品种的筛选以及达到合理种植、生态防治提供依据。(本文来源于《植保科技创新与病虫防控专业化——中国植物保护学会2011年学术年会论文集》期刊2011-11-06）
周昭旭,罗进仓,魏玉红,刘月英[8]（2011）在《入侵外来生物马铃薯甲虫寄主产卵选择性研究》一文中研究指出马铃薯甲虫Leptinotarsa decemlineata(Say)是为害马铃薯、茄子等茄科植物的一种重要检疫性害虫。产卵选择性实验结果表明,该虫对不同的寄主具有不同的趋性和产卵选择性。在马铃薯、茄子和天仙子上,成虫的单株虫量分别占单株虫量总量的70.2%、12.37%和15.4%,单株卵量分别占单株卵量总量的75.93%、14.08%和9.27%,番茄上无产卵。这表明马铃薯甲虫成虫对马铃薯趋性及产卵选择性最强,茄子、天仙子较弱,番茄的最弱。(本文来源于《植保科技创新与病虫防控专业化——中国植物保护学会2011年学术年会论文集》期刊2011-11-06）
曹振军[9]（2010）在《入侵豚草的天敌广聚萤叶甲的寄主选择性及潜在分布区预测》一文中研究指出从原产地引进天敌是一条有效防治外来入侵杂草的途径,然而如何评估其对非靶标植物的潜在风险,从而减少新的生物入侵问题,是传统生防实践和理论研究面临的严峻课题。广聚萤叶甲原产于北美洲,传入我国后主要取食外来入侵豚草,是防治豚草的潜在天敌。由于其并非严格的单食性昆虫,故对入侵地非靶标植物的潜在风险值得关注。本论文将寄主专一性测定的经典方法与新近提出的概念和方法相结合,将室内与室外、选择性与非选择性实验相结合,对广聚萤叶甲的产卵选择专一性进行了较为全面的研究,为评估和预测其潜在风险提供了丰富的依据,并为杂草生物防治实践的改进进行了有益的探索。1.室内条件下广聚萤叶甲的产卵选择引用识别期概念及Cox比例风险模型分析方法,结合经典观测方法,比较了靶标植物(豚草)与近缘非靶标植物(叁裂叶豚草、苍耳、菊芋、食用向日葵品种和油用向日葵品种)在不同取食经历和不同日龄条件下,被广聚萤叶甲成虫选择产卵的风险。结果表明,广聚萤叶甲在靶标豚草与其它近缘非靶标植物之间,表现出对豚草很强的偏好；不同取食经历和不同日龄不显着影响广聚萤叶甲对靶标植物(豚草)的选择频次,对识别期也无影响。广聚萤叶甲在室内研究条件下具有很强的寄主专一性。2.野外受控条件下广聚萤叶甲的产卵选择鉴于行为因素不同程度地影响昆虫的寄主选择表现,分别在野外大型罩笼内和野外开放条件下,观察了广聚萤叶甲对靶标植物和非靶标植物的产卵选择行为。研究表明：(i)当有靶标豚草存在的情况下,广聚萤叶甲成虫明显偏好在豚草上产卵,豚草被选择产卵的风险明显高于其他测试植物；(ii)当没有靶标豚草存在的情况下,广聚萤叶甲成虫首先选择叁裂叶豚草和苍耳产卵,在食用向日葵和油用向日葵上产卵的风险很低。广聚萤叶甲在野外条件下所表现出与室内研究中同样强的寄主专一性。3.野外开放条件下广聚萤叶甲的产卵选择本研究就广聚萤叶甲在我国南京地区不同生境下的野外产卵选择进行了调查。在豚草生长季节定期定点调查以下因素：株高、植株斑块大小、植株受光与否、植株开花与否、植株被害程度等,用广义线性混合模型对所调查的变量进行拟合,从而确定影响广聚萤叶甲产卵选择的主要因子。结果表明,斑块大小对广聚萤叶甲的产卵选择有明显的影响,但光照没有明显的影响。被害等级和开花随季节动态对广聚萤叶甲的产卵选择有明显的影响,而株高随季节动态没有明显的影响。在两因子互作影响上,除斑块分别与被害等级和株高互作没有明显的互作外。其他各因子之间的双因素互作均对广聚萤叶甲产卵有明显影响。4.广聚萤叶甲对不同植物的产卵选择策略寄主品质(如碳、氮和防御代谢物)影响昆虫的产卵策略一权衡卵数量、大小和品质。本试验通过研究广聚萤叶甲在不同植物对的产卵识别期、窝卵数大小和卵粒大小等变量,分析其产卵策略。研究结果表明,广聚萤叶甲明显偏好豚草,在豚草上的窝卵数大(平均值±标准差=20.3±1.5)而且卵粒亦大(0.077±0.001 mm3),二者无相关性；在非靶标的苍耳(10.7±1.1和0.059±0.001 mm3)和向日葵(10.2±0.9和0.063±0.001 mm3)上的窝卵数和卵粒大小都小于豚草,而且窝卵数与卵粒大小之间存在显着的负线性关系,即采取了“多而小”或“少而大”的产卵策略。5.广聚萤叶甲对豚草的产卵选择策略寄主植物密度和品质均可能影响昆虫的产卵策略。试验研究了广聚萤叶甲对不同大小豚草斑块的产卵选择、逐次(日)产卵行为以及在不同品质和分别感染不同比例卵块和幼虫的豚草上的产卵策略。研究结果表明,豚草品质影响广聚萤叶甲的产卵策略,但豚草密度没有影响。产卵前期尽可能的产多而大的卵粒；中期窝卵数和卵粒大小虽都略有下降,但存在明显的线性关系；产卵后期窝卵数和卵粒大小继续下降,两者没有明显的线性关系。广聚萤叶甲成虫明显偏好生长期豚草,且差异显着。叶甲在处于生长期的豚草上尽可能多的繁殖多(20.3±1.5)而大(0.077±0.001mm3)的后代；在苗期(14.7±1.3和0.074±0.001 mm3)和开花期(10.7±0.8和0.073±0.001 mm3)的豚草上的窝卵数和卵粒大小都小于在生长期豚草上的表现,且窝卵数与卵粒大小存在明显的负线性关系。广聚萤叶甲在感染不同程度卵块和幼虫豚草上的产卵结果表明：(i)广聚萤叶甲在着卵块比例较低(0%、25%、50%)的豚草上产的窝卵数(>15粒),显着大于着卵比例较高(70%、100%)的处理豚草(≈10粒),而且窝卵数随豚草上着卵块比例的增大而减小；(ii)广聚萤叶甲在2个中等程度着卵块比例(25%、50%)处理豚草上产的卵粒大小相近,均显着小于无卵块和较高卵块比例(75%、100%)处理豚草上的卵粒,广聚萤叶甲产出的卵粒大小与豚草已有的着卵块比例之间存在“U”型曲线关系：(iii)产卵风险在没有感染幼虫和感染程度为25%的豚草之间没有显着差异,但与其他感染幼虫处理的豚草存在显着差异；(ⅳ)广聚萤叶甲在感染幼虫较多的处理豚草(50%～100%)上产的窝卵数均较小(<11.2粒),显着小于在感染幼虫较少(25%)和对照豚草上的窝卵数(>21.6粒),广聚萤叶甲的窝卵数大小与豚草幼虫感染程度之间存在显着负相关线性关系；(ⅴ)广聚萤叶甲产在感染幼虫较少(25%)的处理豚草上的卵粒(0.068±0.001mm3)显着小于其他处理豚草(>0.077 mm3),在其他处理豚草之间无显着差异(图6-10),卵粒大小与豚草上已有的幼虫比例之间存在显着的正相关线性关系。上述若干实验说明,豚草上已有卵块和幼虫均影响广聚萤叶甲的产卵选择以及窝卵数与卵粒大小的权衡策略。6.广聚萤叶甲成虫和初孵幼虫的取食选择寄主植物缺乏会迫使植食性昆虫的寄主选择发生变化,从而影响其寄主专一性。本实验首先对广聚萤叶甲成虫的耐饥饿能力进行了研究,并研究了不同饥饿程度对广聚萤叶甲成虫取食选择不同寄主植物的影响,最后对初孵幼虫取食选择进行了观察。结果表明,(ⅰ)雌虫与雄虫的平均耐饥时间和生存率之间没有明显差异；(ⅱ)除饥饿48h的处理外,其他饥饿时间处理都使叶甲的寄主选择发生显着改变；(ⅲ)广聚萤叶甲初孵幼虫对苍耳和豚草选择频次之间没有显着差异,但在识别期上有明显差异,向日葵与豚草和苍耳无论在选择频次上还是在识别期上都有明显差异,表明广聚萤叶甲初孵幼虫也具有很强的寄主专一性。7.广聚萤叶甲在我国大陆潜在分布区的预测利用CLIMEX软件对该叶甲与豚草及其近缘植物叁裂叶豚草、向日葵等潜在寄主植物的适生区进行了分析和预测；采用由生态气候指数(EI)衍生的生物一气候风险指数(BCRI),分别分析了该叶甲与这叁种植物同域分布的范围。广聚萤叶甲在我国大陆的潜在分布区向北可以分布到沈阳,向南可能分布到海南；而华东、华南和西南东部地区是其适宜的分布区域。广聚萤叶甲与豚草在我国北部的共同适宜边际区到达山东济南,与叁裂叶豚草和向日葵的北部边际区达到辽宁沈阳,而该叶甲与这3种植物的共同适宜区主要分布在华东、华南和西南东部等地。我国北方种植的向日葵受广聚萤叶甲取食危害的风险很低。(本文来源于《南京农业大学》期刊2010-09-01）
卢汪节[10]（2006）在《选择性网络入侵检测系统的研究与实现》一文中研究指出互联网的飞速发展使人与人之间的交流超越了时间和空间的限制，打破了国家与地区间有形和无形的壁垒，实现了全球性的资源共享，但同时也对网络安全提出了新的挑战。 入侵检测系统作为安全的最后一道屏障，能够提供强大的主动策略和解决方案，成为既能防止内部入侵又能防止外部入侵、保护用户数据的主要手段和发展趋势。但是现有的入侵检测系统在运行过程中仅仅注重某一方面的性能，例如准确率或者运行效率等等，不能兼顾总体性能的均衡，导致系统管理员在选择时左右为难。因此，设计和实现一个可以按照系统管理员的要求来动态调整性能的网络入侵检测系统有着非常重要的现实意义。 本文首先介绍了网络安全现状及其关键技术，着重介绍了入侵检测技术的相关内容以及该领域的国内外研究现状和发展方向。 然后介绍了入侵检测系统体系结构的发展过程，提出了一个具有选择性功能的四层网络入侵检测系统。在系统的设计过程中，我们重点实现了以下3个关键技术： 1) 注重了与管理员的交互，将优先级的概念引入特征提取，管理员可以通过设置特征优先级的阈值来干涉系统的运行，从而可以进一步决定系统的总体性能，在系统的运行效率、检测率和误报率等参数之间找到一个最佳的结合点。 2) 引入二级神经网络集成模型来提高系统的检测率。 3) 自主定义一个二元通用数据存储模型来存储各类入侵特征。 最后在Bro的平台上实现了基于优先级的特征提取算法和基于特征选择的网络数据包捕获方法，并给出了两个算法的理论分析和实验结果以及二级神经网络集成算法的仿真效果。(本文来源于《江苏大学》期刊2006-01-01）
选择性入侵论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
移动自组织网络中,节点作为一个终端或路由来和网络中其他节点进行通信。黑洞攻击是MANET中一种常见的攻击,恶意节通过返回包含到达目标节点的错误最短跳数,从而形成一个只吸收数据包的黑洞。其中,选择性黑洞攻击是一种特殊种类的黑洞攻击,其选择性地丢弃数据包。基于此,在AODV协议的基础上提出一种改进的路由协议来检测和防止选择性黑洞攻击,根据目标节点接收包的概率来判断是否启动检测过程,并通过计算任意两节点间的可疑行为概率,来找出源路由中的可疑节点,一旦定位和隔离恶意节点后,所有节点将包含攻击节点的信息从它们的路由缓存中清除。最后通过仿真实验验证了所提技术的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
选择性入侵论文参考文献
[1].刘金平,何捷舟,马天雨,张五霞,唐朝晖.基于KELM选择性集成的复杂网络环境入侵检测[J].电子学报.2019
[2].王飞.在MANET下抗选择性黑洞攻击的入侵检测系统[J].控制工程.2018
[3].李紫丽.菟丝子对本地植物及入侵植物葎草的选择性寄生研究[D].湖南农业大学.2016
[4].王希玲.基于选择性集成学习的网络入侵检测方法研究[D].青岛科技大学.2016
[5].吴溪.选择性腹股沟放射治疗对局部进展期直肠腺癌入侵肛管的患者是否必要?[J].中国普外基础与临床杂志.2015
[6].马丁,鞠瑞亭,李博.土着昆虫素毒蛾对入侵植物互花米草地理种群的选择性[J].生物多样性.2015
[7].王凯歌,雷仲仁.叁种外来入侵斑潜蝇的寄主选择性研究进展[C].植保科技创新与病虫防控专业化——中国植物保护学会2011年学术年会论文集.2011
[8].周昭旭,罗进仓,魏玉红,刘月英.入侵外来生物马铃薯甲虫寄主产卵选择性研究[C].植保科技创新与病虫防控专业化——中国植物保护学会2011年学术年会论文集.2011
[9].曹振军.入侵豚草的天敌广聚萤叶甲的寄主选择性及潜在分布区预测[D].南京农业大学.2010
[10].卢汪节.选择性网络入侵检测系统的研究与实现[D].江苏大学.2006
标签：网络入侵检测; 极限学习机(ELM); 异常检测; 选择性集成学习;