基于聚类分析与迁移学习的入侵检测方法

• 作者: 黄清兰
• 来源期刊: 电脑与电信
• 关键词: Xgboost K-means++ 入侵检测 迁移学习
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 基金项目
• 页码范围: 13-15,38
• 页数: 4页
• 分类号: TP393
• 语种: 中文

摘要

针对传统机器学习算法在入侵检测实际应用中训练样本和测试样本分布不一致的情况下检测精准性低的问题,提出一种基于聚类分析与迁移学习的入侵检测方法.该方法首先通过基于聚类的层次抽样技术来获取用于迁移分类训练的少量有标记数据,使得迁移分类的数据分布尽可能和所要检测的数据分布相似,然后将基于实例的简单迁移分类模型应用于入侵检测领域.在NSL-KDD数据集的实验结果表明,该方法相较于传统的机器学习算法,有更高的检测精准率.