集成学习在网络入侵检测中的实验研究

摘要：

针对现有的网络入侵检测算法对少数类攻击的检测存在高误报率和漏报率的问题,在对稀有类分类技术研究的基础上,将集成学习应用到入侵检测中.采用基于负载均衡策略的入侵检测模型,把网络数据包按协议类型进行分流,对每个子集用AdaBoost算法提升C4.5弱分类器的方法进行分类,在KDD'99数据集上进行仿真实验,结果表明该方法可有效提高系统的检测率.

关键词：网络入侵检测、稀有类、集成学习、C4.5算法、AdaBoost算法

所属期刊栏目：35

分类号：TP393.08(计算技术、计算机技术)

资助基金：山西省青年自然科学基金资助项目2008021025;山西省高等学校科技基金资助项目20091145

在线出版日期：2010-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：124-126