一种基于多分类器协同训练的网络异常检测方法

• 作者: 杨弢 陈文
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 网络安全 入侵检测 异常检测 协同训练
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 计算机科学
• 页码范围: 329-334
• 分类号: TP309
• 字数: 4007字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2012.02.014

摘要

基于机器学习的网络异常检测方法是入侵检测领域的重要研究内容.传统的机器学习方法需要大量的已标记样本对分类器进行训练,然而已标记样本通常较难获取,导致分类器训练困难；此外单分类器训练面临难以消除的分类偏向性和检测孔洞.针对上述问题,本文提出了一种基于多分类器协同训练的异常检测方法MCAD,该方法利用少量的已标记样本和大量的未标记样本对多个分类器进行协同训练,以减少分类的偏向性和检测孔洞.对比实验采用经典的网络异常检测数据集KDD CUP99对MCAD的异常检测性能进行验证.实验结果表明,MCAD有效地降低了检测器训练代价,提高了网络异常检测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨弢	网络与信息中心怀化学院	1	3	1.0	1.0
2	陈文		1	3	1.0	1.0