基于随机森林与人工免疫的入侵检测算法

摘要：

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.

关键词：入侵检测、随机森林、人工免疫、克隆选择算法、随机抗体森林

所属期刊栏目：46

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;郑州轻工业大学博士基金

在线出版日期：2020-09-11（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：146-152