计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2012年
6期
158-160
,共3页
入侵检测%小样本%支持向量机%半监督%双协同训练%三协同训练
入侵檢測%小樣本%支持嚮量機%半鑑督%雙協同訓練%三協同訓練
입침검측%소양본%지지향량궤%반감독%쌍협동훈련%삼협동훈련
半监督的双协同训练要求划分出的2个数据向量相互独立,不符合真实的网络入侵检测数据特征.为此,提出一种基于三协同训练(Tri-training)的入侵检测算法.使用大量未标记数据,通过3个分类器对检测结果进行循环迭代训练,避免交叉验证.仿真实验表明,在少量样本情况下,该算法的检测准确度比SVM Co-training算法提高了2.1％,并且随着循环次数的增加,其性能优势更加明显.
半鑑督的雙協同訓練要求劃分齣的2箇數據嚮量相互獨立,不符閤真實的網絡入侵檢測數據特徵.為此,提齣一種基于三協同訓練(Tri-training)的入侵檢測算法.使用大量未標記數據,通過3箇分類器對檢測結果進行循環迭代訓練,避免交扠驗證.倣真實驗錶明,在少量樣本情況下,該算法的檢測準確度比SVM Co-training算法提高瞭2.1％,併且隨著循環次數的增加,其性能優勢更加明顯.
반감독적쌍협동훈련요구화분출적2개수거향량상호독립,불부합진실적망락입침검측수거특정.위차,제출일충기우삼협동훈련(Tri-training)적입침검측산법.사용대량미표기수거,통과3개분류기대검측결과진행순배질대훈련,피면교차험증.방진실험표명,재소량양본정황하,해산법적검측준학도비SVM Co-training산법제고료2.1％,병차수착순배차수적증가,기성능우세경가명현.
