一种无类标训练数据异常检测模型

• 作者: 余胜生 周敬利 王晓锋 蔡龙征
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 异常检测 入侵检测 网络安全 无类标数据
• 年，卷（期）: 2006,（10）
• 所属期刊栏目: 信息安全与软件技术
• 页码范围: 1856-1860
• 页数: 5页
• 分类号: TP393.08
• 字数: 5939字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2006.10.014

摘要

提出了一种基于无类标训练数据的异常检测方法(ADUTD),该方法克服了传统异常检测需要纯净训练数据或有类标训练数据的限制,提高了异常检测的可用性.ADUTD通过过滤掉网络连接记录属性中低频率类型值的方法,过滤掉由训练数据中的攻击记录引入的类型值,并建立正常行为的统计模型.建立模型所使用的属性不仅包括网络连接中数据包的头部字段,也包括应用层的数据.ADUTD另一个特点是按网络连接服务类型划分数据并分别建立统计模型,提高了检测模型的预测能力.用DARPA 1999 评估数据集所做的实验结果显示,ADUTD能有效检测网络入侵.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余胜生	华中科技大学计算机科学与技术学院	229	2241	22.0	34.0
2	周敬利	华中科技大学计算机科学与技术学院	248	2424	23.0	36.0
3	蔡龙征	华中科技大学计算机科学与技术学院	4	19	3.0	4.0
4	王晓锋	华中科技大学计算机科学与技术学院	4	72	3.0	4.0