基于连接数据分析和OSELM分类器的网络入侵检测系统

• 作者: 亚森·艾则孜 安尼瓦尔·加马力 木尼拉·塔里甫
• 来源期刊: 计算机应用研究
• 关键词: 入侵检测系统 网络连接数据 特征选择 在线贯序极限学习机 Alpha剖析
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 信息安全技术
• 页码范围: 3749-3752
• 页数: 4页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.12.052

摘要

针对网络入侵的实时高效检测问题,提出一种基于网络连接数据分析和在线贯序极限学习机(OSELM)分类器的网络入侵检测系统(IDS).对入侵数据库中的网络连接数据进行分析,通过特征选择算法选择出最优特征子集;然后,迭代执行交叉验证,并通过Alpha剖析来缩减样本尺寸,以此减低后续分类器的计算复杂度;最后,利用优化后的样本特征集来训练OSELM分类器,以此构建一个网络实时入侵检测系统.在NSL-KDD和DARPA数据库上的实验结果表明,提出的IDS具有较高的检测率和较低的误报率,同时检测时间较短,符合实时入侵检测的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	亚森·艾则孜	新疆警察学院信息安全工程系	31	45	3.0	5.0
2	安尼瓦尔·加马力	新疆警察学院信息安全工程系	5	20	2.0	4.0
3	木尼拉·塔里甫	新疆财经大学计算机科学技术工程学院	6	21	2.0	4.0