基于KELM AdaBoost的网络入侵检测

• 作者: 张九博 张雪云 牟艳
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 极限学习机 核函数 AdaBoost算法 入侵检测
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 应用技术
• 页码范围: 130-133
• 页数: 4页
• 分类号: TP393.08
• 字数: 2764字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2018.01.030

摘要

针对AdaBoost网络入侵检测方法存在正确率低和误判率高的缺点,将核极限学习机引入AdaBoost,提出一种基于KELM_ AdaBoost的网络入侵检测模型.核极限学习机作为AdaBoost 的弱分类器,通过迭代动态调整样本间权重,加权组合获得网络入侵检测的强分类器.以KDDCUP99数据集为研究对象,选择检测率和误判率为评价指标,与KELM、ELM和AdaBoost算法对比可知,KELM_ AdaBoost可以有效提高网络入侵检测的准确率和降低误判率,其网络入侵检测率高达98.41％,为网络入侵检测提供新的方法和途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牟艳	河海大学物联网工程学院	19	63	4.0	7.0
2	张雪云	河海大学物联网工程学院	3	24	2.0	3.0
3	张九博	河海大学物联网工程学院	2	22	2.0	2.0