基于半监督集成学习的自适应入侵检测研究

• 作者: 李斌 张燕
• 来源期刊: 电气自动化
• 关键词: 集成学习 入侵检测 半监督学习 不均衡数据流 完备数据集
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 模式识别
• 页码范围: 101-104
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3886.2021.04.029

摘要

在网络入侵检测中,网络攻击新方法层出不穷,传统基于块数据的集成学习算法由于无法收集完备的训练集,导致入侵检测系统无法识别新的攻击行为.为此,提出基于半监督集成学习算法,把半监督学习思想引入到集成学习中,使得分类模型可以动态更新,从而使入侵检测模型具有自适应性,提高对未知攻击行为的识别率.通过在NSL-KDD数据集上进行仿真试验,结果表明算法可以提高检测准确率,尤其是对未知的入侵行为的识别率有所提高.