典型文献
基于速率修正PSO和核基ELM的云数据库恶意行为识别方法
文献摘要：
众所周知,云数据库已在各行各业广泛应用并且发挥着不可替代的作用.但正是云数据库的可扩展、分布式以及虚拟化的特性,导致了云数据库面对恶意行为时表现出明显的脆弱性.因此为了提高云数据库的安全性,开展针对恶意行为智能检测的相关研究是至关重要的.对粒子群优化算法进行了改进并与核极限学习机相结合,提出了一种基于改进粒子群优化和核极限学习机的恶意行为识别模型(KE-VP),通过分析云数据库上的网络流量来检测是否存在恶意行为并将恶意行为准确分类为具体的攻击类型.通过实验分析,发现KE-VP与现有方案相比具备更好的检测精度和检测效率.
文献关键词：
恶意行为检测;云数据库;粒子群优化;极限学习机
中图分类号：
作者姓名：
李玉玲;朱咏梅;刘东红;顾振飞
作者机构：
上海电子信息职业技术学院电子技术与工程学院,上海201411;南京信息职业技术学院网络与通信学院,江苏 南京210023
文献出处：
引用格式：
[1]李玉玲;朱咏梅;刘东红;顾振飞-.基于速率修正PSO和核基ELM的云数据库恶意行为识别方法)[J].电子器件,2022(01):1-6
A类：
恶意行为检测
B类：
PSO,ELM,云数据库,行为识别,众所周知,可扩展,虚拟化,脆弱性,高云,智能检测,粒子群优化算法,核极限学习机,改进粒子群优化,识别模型,KE,VP,网络流量,检测精度,检测效率
AB值：
0.229435
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
