基于多特征选取和类完全加权的入侵检测

• 作者: 周维柏 李蓉
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 入侵检测 数据挖掘 孤立点检测 多特征选取 类完全加权
• 年，卷（期）: 2014,（7）
• 所属期刊栏目: 安 全 与 防 范
• 页码范围: 145-148
• 页数: 4页
• 分类号: TP393.08
• 字数: 3518字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2014.07.036

摘要

为提升入侵检测系统的整体性能,文中提出一种新的算法。首先使用孤立点滤除算法进行数据前期处理,通过特征选取算法筛选出各分类器中最佳的特征空间,以增强各分类算法的训练模型。再进一步运用十倍交叉验证法对分类模型实施性能评估,把具有最佳捕捉率的分类模型作为预测测试样本类别时的加权分类模型,最后得出整体推论结果。仿真实验表明该算法整体分类准确率提高到96%,成本值减低为0.1983,能够成功地改善网络异常入侵检测的分类性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李蓉	华南师范大学增城学院	38	97	5.0	6.0
2	周维柏	华南师范大学增城学院	29	72	5.0	5.0