计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
21期
94-96
,共3页
阈值%AdaBoost算法%入侵检测系统%分类器
閾值%AdaBoost算法%入侵檢測繫統%分類器
역치%AdaBoost산법%입침검측계통%분류기
网络入侵检测系统IDS中,异常数据所占的比例非常小,属于小类样本,却是检测的目标.在AdaBoost算法基础上进行改进,通过对大类样本权重设置阈值,对权值超过阈值的样本进行相应处理,来削弱分类器对大类样本错分的重视程度,减轻下一级训练的负担,从而有效地强化对小类错分样本的学习,提高入侵检测的精度,降低误报率和漏报率.方法在KDD-99数据集上进行实验,并与SVM方法检测结果进行比较,取得了很好的效果.
網絡入侵檢測繫統IDS中,異常數據所佔的比例非常小,屬于小類樣本,卻是檢測的目標.在AdaBoost算法基礎上進行改進,通過對大類樣本權重設置閾值,對權值超過閾值的樣本進行相應處理,來削弱分類器對大類樣本錯分的重視程度,減輕下一級訓練的負擔,從而有效地彊化對小類錯分樣本的學習,提高入侵檢測的精度,降低誤報率和漏報率.方法在KDD-99數據集上進行實驗,併與SVM方法檢測結果進行比較,取得瞭很好的效果.
망락입침검측계통IDS중,이상수거소점적비례비상소,속우소류양본,각시검측적목표.재AdaBoost산법기출상진행개진,통과대대류양본권중설치역치,대권치초과역치적양본진행상응처리,래삭약분류기대대류양본착분적중시정도,감경하일급훈련적부담,종이유효지강화대소류착분양본적학습,제고입침검측적정도,강저오보솔화루보솔.방법재KDD-99수거집상진행실험,병여SVM방법검측결과진행비교,취득료흔호적효과.