CAJ | 학술논문

入侵检测系统捕获的大量网络数据,需要采取有效的算法进行分类,用以判别数据流是否异常以及所属的攻击类别。为了有效地挖掘出判别数据流的模式与规则,针对入侵检测系统的分类器模型,采用数据挖掘技术中的反向传播神经网络算法、有监督的Kohonen神经网络算法和支持向量机算法进行对比研究。主要分析了各个算法的分类正确率、检测率和误判率。实验使用了KDD99数据集进行多类预测,结果表明,各个算法各有优势。在综合多个因素的情况下,支持向量机具有更好的分类性能。
입침검측계통포획적대량망락수거,수요채취유효적산법진행분류,용이판별수거류시부이상이급소속적공격유별。위료유효지알굴출판별수거류적모식여규칙,침대입침검측계통적분류기모형,채용수거알굴기술중적반향전파신경망락산법、유감독적Kohonen신경망락산법화지지향량궤산법진행대비연구。주요분석료각개산법적분류정학솔、검측솔화오판솔。실험사용료KDD99수거집진행다류예측,결과표명,각개산법각유우세。재종합다개인소적정황하,지지향량궤구유경호적분류성능。
Intrusion detection system captures a large amount of network data,which should be classified by effective algorithms to identify network data streams.To find out the models and rules used by IDS′ classifier,data mining technologies are used to carry out comparative research,including Back Propagation Neural Network（BPNN）,supervised-Kohonen Neural Network and Support Vector Machine（SVM） to make main analysis of classification accuracy,detection rate and false alarm rate.The experimental results carried on the KDD99 data set show that each algorithm has some advantages.SVM tends to be better,concerning the consideration of comprehensive factors.