重抽样方法FHNN及其在入侵检测中的应用

• 作者: 赵月爱 陈俊杰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 非均衡数据 重抽样方法 网络入侵检测系统 NCL算法 AdaBoost算法
• 年，卷（期）: 2011,（22）
• 所属期刊栏目: 网络、通信、安全
• 页码范围: 86-88,109
• 分类号: TP393.08
• 字数: 4745字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.22.024

摘要

重抽样方法是常用的解决数据非平衡问题的一种有效手段,为提高入侵检测系统的检测效率,降低数据的不平衡程度,提出了快速分层最近邻FHNN重抽样方法,采用两阶段的基于负载均衡策略的高速网络入侵检测模型,按协议类型把KDD'99的训练数据集划分并在每类子集上进行了各种实验.实验结果表明该方法不仅可以很好地删除噪声数据和冗余信息,尤其是类区域内样本,减小数据的不平衡度和样本总量,而且由于算法时间复杂度是线性阶的,在样本数量很大的情况下,运行速度非常快,适合从海量的数据中快速而有效地检测各类攻击.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈俊杰	太原理工大学计算机与软件学院	220	1728	20.0	30.0
2	赵月爱	太原师范学院计算机系	30	77	4.0	7.0