10.3969/j.issn.1001-7119.2013.10.036
一种抽取多数类边界样本的入侵检测算法
针对传统网络入侵检测方法在实时性响应和入侵行为识别率上存在的不足,本文提出了一种抽取多数类边界样本的入侵检测算法。该算法首先根据中心距离确定网络链接行为中多数类样本的边界样本,然后将多数类样本的边界样本与少数类样本合并构成新的训练集合,最后进行分类学习。该算法有效地降低了类别之间的不平衡度和减少了训练样本数目,具有更好的入侵检测性能。在KDD CUP 99数据集上的仿真实验,充分验证了该算法的有效性。
入侵检测、实时性、边界样本、中心距离
TP391(计算技术、计算机技术)
2013-11-13(万方平台首次上网日期,不代表论文的发表时间)
共3页
106-108