基于机器学习的入侵检测方法研究综述

• 作者: 刘功平 高玉琢
• 来源期刊: 信息与电脑
• 关键词: 入侵检测系统 机器学习 异常行为 数据集
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 算法语言
• 页码范围: 34-37
• 页数: 4页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.3969/j.issn.1003-9767.2021.10.011

摘要

入侵检测系统(Intrusion Detection System,IDS)主要用于检查主机或系统的活动,保护系统和数据框架免受恶意攻击.IDS能够跟踪网络中运行的硬件和软件的状态,以防恶意活动窃取数据.机器学习模型的应用可以使得IDS获得较低的误报率和较高的识别率.机器学习方法能够智能地识别正常和恶意流量,具有较高的识别精度.基于此,笔者重点介绍了多种基于机器学习的侵检测系统.通过对现有文献的广泛研究和调查,可以改进和创建高效入侵检测系统.