10.19678/j.issn.1000-3428.0057085
基于随机森林与人工免疫的入侵检测算法
传统入侵检测方法对Probe、U2R、R2L等网络入侵攻击类型的检测率较低,存在对入侵行为的误检和漏检.为此,提出一种基于随机森林与人工免疫的入侵检测算法.设计随机抗体森林检测策略,针对小样本数据集,采用克隆选择算法保证抗体的优良性,提高攻击的检测率,通过将识别为入侵行为的抗原注入抗体集,以平衡抗原的检测率和误报率.仿真结果表明,该算法的检测率为94.1%,高于Probe的93.79%、U2R的91%与R2L的85%,且具有较低的误报率.
入侵检测、随机森林、人工免疫、克隆选择算法、随机抗体森林
46
TP391.4(计算技术、计算机技术)
国家自然科学基金;郑州轻工业大学博士基金
2020-09-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
146-152