-
题名基于粗糙集的公共网络入侵检测方法研究
被引量：8
- 1
-
-
作者
庞帮艳
张艳敏
-
机构
商丘工学院基础教学部
-
出处
《现代电子技术》
北大核心
2017年第4期28-31,共4页
-
基金
国家自然科学基金(11601304)
河南省教育技术装备和实践教育研究课题(GZS134)
-
文摘
传统方法在对公共网络入侵数据检测时存在冗余度高、维数大、精确度差等问题。为了提高公共网络安全防护的实时性和有效性,提出一种基于优化粗糙集理论的公共网络检测方法。针对有入侵风险的数据进行检测和筛选,在粗糙集(RS)概念基础上对其精度进行优化,减少信息的丢失,运用MDLP运算准则完成对数据的离散化处理,使用遗传算法进行数据约简,导出数据分类规则并识别出入侵数据。仿真试验结果表明,所提出的入侵数据检测方法,在入侵检测率和误差率方面传统算法更为有效。
-
关键词
网络入侵数据检测
离散化处理
遗传算法
数据约简
-
Keywords
network intrusion data detection
neural network
genetic algorithm
data reduction
-
分类号
TN711-34
[电子电信—电路与系统]
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名改进的随机森林分类器网络入侵检测方法
被引量：44
- 2
-
-
作者
夏景明
李冲
谈玲
周刚
-
机构
南京信息工程大学电子与信息工程学院
南京信息工程大学计算机与软件学院
-
出处
《计算机工程与设计》
北大核心
2019年第8期2146-2150,共5页
-
文摘
目前网络入侵检测方法大多基于改进的机器学习算法,但是机器学习算法会出现过拟合情况,导致入侵检测准确率降低。为解决该问题,提出一种改进的随机森林分类器网络入侵检测方法,通过高斯混合模型聚类算法将数据分成不同的簇,为每一个簇训练不同的随机森林分类器,通过这些训练好的随机森林分类器进行网络入侵检测。训练和实验数据采用NSL-KDD网络入侵数据集,实施中首先根据属性比率数据特征提取方法进行数据处理,然后进行高斯混合聚类,最后使用随机森林分类器对聚类结果进行训练。实验结果表明,该方法相比其它机器学习算法具有更高的入侵检测准确率。
-
关键词
网络安全入侵检测
机器学习
随机森林分类器
高斯混合聚类
属性比特征提取
网络入侵检测数据集
-
Keywords
network security intrusion detection
machine learning
random forest classifier
Gaussian hybrid clustering
attri- bute ratio feature extraction
NSL-KDD
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
-
