电子测试
電子測試
전자측시
ELECTRONIC TEST
2014年
6期
15-16,6
,共3页
入侵检测%基于相关的属性选择%集成学习%Bagging
入侵檢測%基于相關的屬性選擇%集成學習%Bagging
입침검측%기우상관적속성선택%집성학습%Bagging
Intrusion detection%Correlation-base feature selector%Ensemble learning%Bagging
入侵事件的识别是入侵检测系统的关键，入侵事件的识别是一个网络数据的分类问题。通过基于相关的属性选择算法，选择出相关度高的属性子集，去除冗余度高的属性，在选择的属性子集上，使用Bagging算法对网络数据分类，识别入侵事件。实验结果表明，在选用的实验数据上，基于相关的属性选择算法和Bagging算法结合使用，提高了分类正确率和入侵事件的检出率，降低了入侵事件的误报率。
入侵事件的識彆是入侵檢測繫統的關鍵，入侵事件的識彆是一箇網絡數據的分類問題。通過基于相關的屬性選擇算法，選擇齣相關度高的屬性子集，去除冗餘度高的屬性，在選擇的屬性子集上，使用Bagging算法對網絡數據分類，識彆入侵事件。實驗結果錶明，在選用的實驗數據上，基于相關的屬性選擇算法和Bagging算法結閤使用，提高瞭分類正確率和入侵事件的檢齣率，降低瞭入侵事件的誤報率。
입침사건적식별시입침검측계통적관건，입침사건적식별시일개망락수거적분류문제。통과기우상관적속성선택산법，선택출상관도고적속성자집，거제용여도고적속성，재선택적속성자집상，사용Bagging산법대망락수거분류，식별입침사건。실험결과표명，재선용적실험수거상，기우상관적속성선택산법화Bagging산법결합사용，제고료분류정학솔화입침사건적검출솔，강저료입침사건적오보솔。
Intrusion event recognition is the key to intrusion detection systems, and it also is a network data classification problems. For high recognition rate,through the selection algorithm based on relevant attributes,select a subset of the attributes with low redundant,identification intrusion by event Bagging algorithm.Experiments showed that the correlation-based attribute selection algorithm and Bagging algorithm improve the classification accuracy and intrusion detection rate of events, reducing the false alarm rate of intrusion events.
