基于分布式集成学习的入侵检测模型

• 作者: 付枫 刘衍珩 孙鑫 朱建启 谢靖鑫
• 来源期刊: 计算机工程
• 学科: 地球科学
• 关键词: 入侵检测 集成 核主成分分析 核独立成分分析 分布式神经网络
• 年，卷（期）: 2011,（13）
• 所属期刊栏目: 安全技术
• 页码范围: 104-106
• 分类号: N945
• 字数: 3994字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2011.13.033

摘要

针对入侵检测系统的高漏报率及高误报率问题,提出一种混杂入侵检测模型.该模型分别构造基于核主成分分析(KPCA)和核独立成分分析(KICA)的特征提取器,并采用集成学习对特征提取结果进行整合学习.采用分布式神经网络对集成结果进行再学习,从而实现对大规模数据的分布式处理.通过反馈机制调节KPCA和KICA的集成学习权重,达到最优检测效果.采用KDD CUP'99数据集进行测试实验,结果表明:该模型能够获得较高的检测正确率,同时具有较低的漏报率及误报率.