论文部分内容阅读
目前，许多误用检测系统无法检测未知攻击，而异常检测系统虽然能够精确检测未知攻击，但由于入侵检测固有的特性，入侵事件与正常事件类问存在极大的不平衡性，这导致很难利用机器学习的方法高效地进行人侵行为检测．为此，提出了一种基于信息增益和随机森林分类器的入侵检测系统．为r解决类之间的不平衡性，对训练数据集应用了合成少数过采样算法．提出了一种基于信息增益的特征选择方法，并用于构建一个数据集的特征约减子集．首先，利用随机森林算法从训练集中建立入侵模型，构建误用检测模型，通过网络连接的特征来匹配检测已知攻击．然后，利用