基于半监督学习的入侵检测系统

• 作者: 姜梅 戴林
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 半监督学习 入侵检测 SVM KMO 统计学习
• 年，卷（期）: 2011,（1）
• 所属期刊栏目: 安全与防范
• 页码范围: 162-164
• 分类号: TP393.08
• 字数: 1923字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2011.01.043

摘要

在入侵检测方法中,半监督学习作为一种特殊的学习形式,结合了监督学习与非监督学习在检测已知模式数据与未知模式数据方面各自的优点.据此,为进一步提高入侵检测系统的检测准确性,提出一种结合SVM与KMO(online kmeans)算法各自优点的半监督入侵检测模型.该模型首先利用SVM算法对全部的输入数据进行区分,然后将其认为的合法数据集用KMO算法分类,以该结果作为决策模块的输入并做出最终的响应.实验显示,文中模型比单独使用其中的任一种方法具有更高的检测准确率.由此可见,该模型对于实际的入侵检测系统具有实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜梅	青岛理工大学计算机工程学院	18	65	4.0	7.0
2	戴林	青岛理工大学计算机工程学院	1	4	1.0	1.0