中国科学院沈阳自动化研究所机构知识库
Advanced  
SIA OpenIR  > 工业控制网络与系统研究室  > 期刊论文
题名: 工业防火墙规则生成与优化的自学习方法
其他题名: Self-learning method for generation and optimization of industrial firewall rules
作者: 尚文利; 乔全胜; 万明; 曾鹏
作者部门: 工业控制网络与系统研究室
关键词: 工业防火墙 ; 规则生成 ; 规则优化 ; 自学习 ; “白名单”规则
刊名: 计算机工程与设计
ISSN号: 1000-7024
出版日期: 2016
卷号: 37, 期号:7, 页码:1752-1756,1786
产权排序: 1
项目资助者: 国家863高技术研究发展计划基金项目(2015AA043901)
摘要: 为更加方便快捷地设置工业防火墙规则,提出一种工业防火墙规则生成与优化的自学习方法。根据数据包捕获和分析进行数据预处理,通过自学习模块产生防火墙规则集,针对规则集进行合并优化,减少规则数目,缩短数据包匹配长度。实验数据对比分析结果表明,该方法降低了数据包匹配时间,随着规则数目的增加该优势更加明显。
英文摘要: To make the rule setting more convenient, a self-learning method for the generation and optimization of industrial firewall rules was presented. According to packet capturing and analyzing, the data preprocessing was accomplished. The firewall rule set was generated by the self-learning module. The rule set was optimized to reduce the number of rules and shorten the packet matching length. Experimental and comparative results show that the proposed method reduces the packet matching time and has more obvious advantages with the number of rules increases.
语种: 中文
内容类型: 期刊论文
URI标识: http://ir.sia.cn/handle/173321/18821
Appears in Collections:工业控制网络与系统研究室_期刊论文

Files in This Item: Download All
File Name/ File Size Content Type Version Access License
工业防火墙规则生成与优化的自学习方法.pdf(448KB)期刊论文作者接受稿开放获取View Download

Recommended Citation:
尚文利,乔全胜,万明,等. 工业防火墙规则生成与优化的自学习方法[J]. 计算机工程与设计,2016,37(7):1752-1756,1786.
Service
Recommend this item
Sava as my favorate item
Show this item's statistics
Export Endnote File
Google Scholar
Similar articles in Google Scholar
[尚文利]'s Articles
[乔全胜]'s Articles
[万明]'s Articles
CSDL cross search
Similar articles in CSDL Cross Search
[尚文利]‘s Articles
[乔全胜]‘s Articles
[万明]‘s Articles
Related Copyright Policies
Null
Social Bookmarking
Add to CiteULike Add to Connotea Add to Del.icio.us Add to Digg Add to Reddit
文件名: 工业防火墙规则生成与优化的自学习方法.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 
评注功能仅针对注册用户开放,请您登录
您对该条目有什么异议,请填写以下表单,管理员会尽快联系您。
内 容:
Email:  *
单位:
验证码:   刷新
您在IR的使用过程中有什么好的想法或者建议可以反馈给我们。
标 题:
 *
内 容:
Email:  *
验证码:   刷新

Items in IR are protected by copyright, with all rights reserved, unless otherwise indicated.

 

 

Valid XHTML 1.0!
Copyright © 2007-2016  中国科学院沈阳自动化研究所 - Feedback
Powered by CSpace