网络入侵检测系统中的漂移检测

摘要：

目前基于机器学习的入侵检测系统大都建立在入侵数据始终保持统计平稳的假设之上,无法应对攻击者有意改变数据特性或新型攻击方式的出现,而导致的检测率下降的状况.对于上述问题,即攻击漂移,提出了加权Rényi距离的检测方法.在KDD Cup99数据集上的实验证明,Rényi距离可以有效地增强检测效果;在检测到漂移后,通过重新训练模型可以使得对攻击的识别率显著提高.

关键词：入侵检测、攻击流量、攻击漂移、加权Rényi距离

所属期刊栏目：31

分类号：TP3;V27

资助基金：国家自然科学基金资助项目61379118;浙江省网络媒体云处理与分析工程技术中心开放课题基金资助项目2012E10023-14;2014年度高校国内访问学者专业发展基金资助项目FX2014092;The National Natural Science Foundation of China61379118;The Zhejiang Province Network Media Cloud Processing and Analysis of Engineering Technology Center Open Topic2012E10023-14;2014 Annual Professional Development Program of Domestic Universities Visiting ScholarFX2014092

在线出版日期：2015-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：68-74