10.3969/j.issn.1000-3886.2021.04.029
基于半监督集成学习的自适应入侵检测研究
在网络入侵检测中,网络攻击新方法层出不穷,传统基于块数据的集成学习算法由于无法收集完备的训练集,导致入侵检测系统无法识别新的攻击行为.为此,提出基于半监督集成学习算法,把半监督学习思想引入到集成学习中,使得分类模型可以动态更新,从而使入侵检测模型具有自适应性,提高对未知攻击行为的识别率.通过在NSL-KDD数据集上进行仿真试验,结果表明算法可以提高检测准确率,尤其是对未知的入侵行为的识别率有所提高.
集成学习;入侵检测;半监督学习;不均衡数据流;完备数据集
43
TP391(计算技术、计算机技术)
陕西省科技厅研究项目;商洛市科技计划研究项目;商洛学院科技研究计划项目;商洛学院科技创新团队建设项目
2021-08-31(万方平台首次上网日期,不代表论文的发表时间)
共4页
101-104