350 руб
Журнал «Системы высокой доступности» №1 за 2011 г.
Статья в номере:
Модели логических закономерностей и их применение для обнаружения вторжений в компьютерные системы
Ключевые слова: логические закономерности ассоциативные правила повторяющиеся множества системы обнаружения вторжений
Авторы:
А.В. Агафонов - к. т. н., доцент, кафедра Московского гуманитарного университета. E-mail: profsor@yandex.ru А.Н. Савиных - аспирант ИПИ РАН. E-mail: a.n.savinykh@mail.ru
Аннотация:
Дан обзор и сравнительный анализ современных моделей логических закономерностей в массивах данных, предложена их классификация. Рассмотрен пример выявления логических закономерностей, позволяющих обнаруживать вторжения в компьютерные системы
Страницы: 25-47
Список источников
  1. Elkan C. Results of the KDD'99 Classifier Learning Contest, URL: http://www-cse.ucsd.edu/users/elkan/kdresults.html. 1999.
  2. Hu H., Li J. Using association rules to make rule-based classifiers robust. 16th Australasian Database Conference. Australia. 2005.
  3. Yu L., Chan C., Wu C., Lin C. Mining association language patterns for negative life event classification. Proceedings of the ACL-IJCNLP 2009 Conference Short Papers. Suntec. Singapore. 2009. Р. 201-204.
  4. Агафонов А.В. Построение решающих правил на основе поиска динамических логических закономерностей в массивах данных. Доклад на секции №4 «Методы и модели поддержки управленческих решений» Международной научно-практической конференции «Ситуационные центры и современные информационно-аналитические средства поддержки принятия решений». Российская академия государственной службы при Президенте Российской Федерации, г. Москва, 7-9 апреля 2008 года.ы
  5. Meidan A. About WizRule. URL: www.wizsoft.com.
  6. Лбов Г.С. Методы обработки разнотипных экспериментальных данных. Новосибирск: Наука. 1981.
  7. Quinlan J.R. C4.5: Programs for Machine Learning, Morgan Kaufmann. San Mateo. CA. 1993.
  8. Yin X., Han J. CPAR: Classification based on predictive association rules, Proceedings of 2003 SIAM International Conference on Data Mining. SDM. 2003.
  9. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: Институт математики СО РАН. 1999. 270 с.
  10. Zaki M.J., Parthasarathy S., Ogihara M., Li W. New algorithms for fast discovery of association rules. Proceedings of the Third International Conference on Knowledge Discovery and Data Mining. AAAI Press. 1997. Р. 283-286.
  11. Han J., Pei H., Yin Y. Mining Frequent Patterns without Candidate Generation. In: Proc. Conf. on the Management of Data (SIGMOD-00). ACM Press. New York. NY. USA 2000.
  12. Borgelt C. An Implementation of the FP-growth Algorithm, Workshop Open Source Data Mining Software (OSDM'05, Chicago, IL), 1-5. ACM Press. New York. NY. USA 2005.
  13. Agrawal R., Srikant R. Fast algorithms for mining association rules. Proceedings 20th International Conference on Very Large Data Bases. Morgan Kaufmann. 1994. Р. 487-499.
  14. Aggelis V. Association rules model of e-banking services, in 5th International Conference on Data Mining, Text Mining and their Business Applications. 2004.
  15. Au W.H., Chan K.C.C. Mining Fuzzy Association Rules in A Bank-account Database. 2001.
  16. Xu J., Sung A., Liu Q. Behaviour Mining for Fraud Detection // Journal of Research and Practice in Information Technology. V. 39. February 2007.
  17. Agarwal R., Joshi M.V. PNrule: A New Framework for Learning Classifier Models in Data Mining (A Case-Study in Network Intrusion Detection). 2001.
  18. Roddick J.F., Fule P., Graco W.J. Exploratory Medical Knowledge Discovery : Experiences and Issues. 2005.
  19. Goethals B. Survey on Frequent Pattern Mining, URL: http://www.adrem.ua.ac.be/bibrem/pubs/fpm_survey.pdf. 2003.
  20. Berthold M.R., Lenz H.-J., Bradley E., Kruse R., Borgelt C., Advances in Intelligent Data Analysis V Proc. 5th International Symposium on Intelligent Data Analysis (IDA), Germany. 2003.
  21. Agrawal R., Imielinski T., Swami A. Mining Association Rules between Sets of Items in Large Databases. Proceedings of the 1993 ACM SIGMOD Conference Washington DC, USA. 1993.
  22. Ayres J., Gehke J.E., Yiu T., Flannick J. Sequential patter mining using bitmaps SIGKDD Int-l Conf. on Knowledge Discovery and Data Mining. 2002.
  23. Weiss G.M. Learning with rare cases and small disjuncts. In Proc. of Twelfth International Conference on Machine Learning, Lake Tahoe. California. USA. 1995. Р. 558-565.