基于属性约简与半监督协同训练的入侵检测算法

• 作者: 李永忠 闫祖臣
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 属性约简 支持向量机 协同训练 入侵检测
• 年，卷（期）: 2013,（8）
• 所属期刊栏目: 基金项目论文
• 页码范围: 120-122,200
• 页数: 4页
• 分类号: TP393.08
• 字数: 3941字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2013.08.032

摘要

入侵检测数据具有信息冗余量大、标记数据难以获得等特点.传统入侵检测方法难以消除冗余信息并且需要大量已标记样本做训练集,导致检测效率降低,实用性下降.为了解决上述问题,提出一种结合属性约简与半监督协同训练的算法.该算法充分发挥了大量未标记样本的监督作用.首先将入侵数据进行属性约简,利用约简结果建立一个支持向量机(SVM)基分类器,然后将其与另外两个SVM辅助分类器做协同训练.如此,分类器界面得到反复修正,分类器的性能逐步得到改善,最终分类精度得到明显提高.在入侵检测数据集KDDCUP99上的仿真实验结果表明,该算法不仅可以提高检测精度,同时还具有良好的可行性、稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李永忠	江苏科技大学计算机科学与工程学院	98	561	13.0	16.0
2	闫祖臣	江苏科技大学计算机科学与工程学院	2	4	1.0	2.0