【摘 要】
：
随着网络安全环境的日益复杂,传统的入侵检测系统的劣势也愈加凸显。针对这种情况,机器学习方法与入侵检测相结合的研究应运而生。但是我们通过梳理这些研究文献发现,并不是
论文部分内容阅读
随着网络安全环境的日益复杂,传统的入侵检测系统的劣势也愈加凸显。针对这种情况,机器学习方法与入侵检测相结合的研究应运而生。但是我们通过梳理这些研究文献发现,并不是所有研究方法的应用效果都那么完美。一些基础性的分类器如贝叶斯、决策树等对大样本攻击类别的识别率并不是很高。而其他相对复杂一些的模型如基于神经网络、深度学习的研究方法虽然提升了多数类样本分类的正确率,但在少数类样本中却表现得不尽如人意。那么能不能找到一种模型即顾全大样本攻击类的性能,又可以提升小样本类的分类正确率呢。本文提出了用集成学习的方法来构建入侵检测模型,并通过特征选择方法来辅助提升模型性能的设想。首先为满足既保证对大样本类分类较高正确率又能提升小样本分类正确率的要求,结合集成学习的相关知识,选择Stacking算法作为整体学习框架。然后通过各分类模型对本实验所用数据集的处理,本文最终选择随机树和贝叶斯置信网络作为个体学习器。把随机树分类器用Random Committee算法进行初次集成,将初次集成后的模型作为Stacking集成学习框架的初级学习器,贝叶斯置信网络作为次级学习器进行第二次集成。结合特征选择相关知识使用合适的特征约简算法对经过预处理的数据集进行特征约简,并将特征约简后的数据集送入集成学习框架进行训练。我们通过实验仿真对本文提出的入侵检测模型的相应性能进行了验证。首先用该模型及该模型的各级基分类器对本文所用实验数据集进行了处理,通过实验结果的对比,发现集成学习能够在基本不损失大样本攻击类分类效果的前提下,有效提升小样本类分类的正确率。然后使用所选特征选择算法对数据集进行了特征约简,通过我们的集成学习模型对其进行处理,通过实验结果的对比,我们发现该特征选择算法能够帮助模型提升对小样本攻击类的分类准确率。通过两步验证,本文提出的模型是可行的。
其他文献
大气颗粒物一直是全球大多数城市的首要大气污染物,对人体具有很强的致癌性和危害性。城市绿化树种作为滞留大气颗粒物的主要载体,在减少颗粒物污染方面起着重要作用,能有效
基于模型的GUI测试方法(MBGT)可自动化生成测试用例,提高测试效率。大多数MBGT方法的模型都是固定不变的,测试过程中,相应的GUI模型只能以既定不变的角度模拟和考察GUI,在MBG
本文考虑齐次和非齐次体积约束的非局部扩散问题,系统地研究了一维、二维非齐次体积约束的非局部扩散问题的有限元方法,为了数值计算中程序代码的表述,我们给出了剖分单元及
随着软件系统的规模不断增大,为了节约开发成本,缩短开发周期,程序员经常进行代码的复制粘贴。开发过程中克隆代码的使用的确获得了一些益处,但其造成的危害不容忽视,比如bug
高光谱图像包含丰富的光谱信息,在物体分类方面有着重要的应用前景。由于高光谱图像数据比较大,分类算法比较复杂,现有的分类算法在串行模式下执行速度比较慢,很难在实时性要
变形传递(Deformation Transfer,简称DT)是将源网格的变形传递到目标网格上,使目标网格与源网格产生相似的变形。网格变形传递技术是对网格变形的重用,在扩充三维网格数据库
近几年来,在物理学上,非线性薛定谔方程(NLSE)有限背景上的孤子解的重要性已经得到了普遍肯定,尤其是在非线性光学领域。由于有限背景波上的呼吸子解具有极大的振幅,与海洋怪
作用于土木工程结构上的典型动力激励(如地震、风和海浪等)均具有随机性的特点。传统的动力激励建模以建立合适的功率谱模型或相干函数模型为主要目的,由于不触及研究对象的
十三五规划纲要指出,要着力提升城市生产技术向邻近县域地区转移和辐射能力,带动邻近县域地区的发展,培育充满活力、专业化、特色化的县域经济。但是一直以来,经济社会呈现出
随着信息社会的飞速发展,人们对数据传输速率的需求也日渐增长,如何提高系统性能已经成为通信行业的首要任务。目前光梳系统的出现,不仅实现了微波系统与光学系统的连接,而且广泛应用于多种光学波形产生、密集波分复用以及光学精准测量等领域。本文将光梳系统与光纤无线通信系统相结合,采用单个马赫-曾德尔调制器与级联马赫-曾德尔调制器分别对基于宽光梳的光纤无线通信系统进行研究,根据第一类贝塞尔函数特性,对影响整体性