几种机器学习方法在IDS中的性能比较

• 作者: 汪世义 王华彬 陶亮
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 网络安全 机器学习 入侵检测系统
• 年，卷（期）: 2010,（8）
• 页码范围: 92-94,121
• 分类号: TP309.2
• 字数: 2930字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2010.08.022

摘要

入侵检测是一种保障网络安全的新技术,传统的入侵检测方法存在误报漏报及实时性差等缺点,将机器学习的技术引入到入侵监测系统之中以有效地提高系统性能具有十分重要的现实意义.将目前主要的基于机器学习的贝叶斯分类的方法、神经网络的方法、决策树方法与支持向量机的方法应用于入侵检测系统中, 以kdd99公共数据集进行了仿真实验,仿真测试结果表明支持向量机方法(SVM)和神经网络方法具有较好的分类识别性能,适合用于入侵检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪世义	安徽大学智能计算与信号处理教育部重点实验室	6	53	4.0	6.0
5	陶亮	安徽大学智能计算与信号处理教育部重点实验室	108	931	17.0	25.0
6	王华彬	安徽大学智能计算与信号处理教育部重点实验室	37	182	8.0	11.0