發(fā)布時(shí)間：2019-04-10 12:04

【摘要】：針對(duì)目前存在的字典學(xué)習(xí)方法不能有效的構(gòu)造具有鑒別能力的結(jié)構(gòu)化字典,并且忽視了由于正負(fù)類樣本數(shù)據(jù)不均衡造成的代價(jià)不同問(wèn)題,提出了基于代價(jià)敏感的鑒別字典學(xué)習(xí)方法,并將其用于網(wǎng)絡(luò)入侵檢測(cè)。首先,重新構(gòu)建稀疏表示模型,通過(guò)在目標(biāo)函數(shù)中設(shè)計(jì)約束的鑒別項(xiàng)學(xué)習(xí)具有鑒別性質(zhì)的字典;其次,考慮到數(shù)據(jù)集中入侵?jǐn)?shù)據(jù)和非入侵?jǐn)?shù)據(jù)不平衡,二者的檢測(cè)代價(jià)是不同的,引入代價(jià)敏感矩陣來(lái)考慮不同的誤檢測(cè)行為代價(jià)對(duì)于分類性能造成的影響。選擇經(jīng)過(guò)預(yù)處理的KDD99網(wǎng)絡(luò)入侵?jǐn)?shù)據(jù)集作為實(shí)驗(yàn)數(shù)據(jù),引入召回率、查準(zhǔn)率、錯(cuò)誤接受率以及F-measure等指標(biāo)進(jìn)行分類器性能評(píng)估,并與支持向量機(jī)、決策樹(shù)以及聚類分析等機(jī)器學(xué)習(xí)算法進(jìn)行實(shí)驗(yàn)對(duì)比發(fā)現(xiàn),CS-DDL能夠較好的改善分類器的性能。
[Abstract]:In view of the existing dictionary learning methods can not effectively construct a structured dictionary with discriminating ability, and ignore the different costs caused by the imbalance of positive and negative sample data. A cost-sensitive discriminant dictionary learning method is proposed and applied to network intrusion detection. Firstly, the sparse representation model is reconstructed, and the discriminant terms of constraints are designed in the objective function to learn the dictionary with discriminant property. Secondly, considering the imbalance of intrusion data and non-intrusion data in the data set, the detection costs are different. The cost-sensitive matrix is introduced to consider the impact of different false detection behavior costs on classification performance. The pre-processed KDD99 network intrusion data set is selected as the experimental data, and the recall rate, precision ratio, error acceptance rate and F-measure are introduced to evaluate the performance of the classifier, and the classifier performance is evaluated with support vector machine (SVM). Compared with other machine learning algorithms, such as decision tree and cluster analysis, CS-DDL can improve the performance of classifier.
【作者單位】： 南京森林警察學(xué)院信息技術(shù)系;
【基金】：中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目(LGYB201605)
【分類號(hào)】：TP181;TP393.08

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郝耀輝;郭淵博;劉偉;;一種安全協(xié)議入侵檢測(cè)方法[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2008年01期

2 吳新民;兩種典型的入侵檢測(cè)方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2002年10期

3 魯宏偉,羅鋼;基于專家系統(tǒng)的入侵檢測(cè)方法[J];武鋼技術(shù);2003年01期

4 蔣盛益,李慶華,王卉,孟中樓;一種基于聚類的有指導(dǎo)的入侵檢測(cè)方法[J];小型微型計(jì)算機(jī)系統(tǒng);2005年06期

5 蔣盛益,李慶華;基于引力的入侵檢測(cè)方法[J];系統(tǒng)仿真學(xué)報(bào);2005年09期

6 麥永浩;劉志軍;薛琴;;電子警務(wù)的入侵檢測(cè)方法研究[J];湖北警官學(xué)院學(xué)報(bào);2005年05期

7 蔣盛益,李慶華;無(wú)指導(dǎo)的入侵檢測(cè)方法[J];計(jì)算機(jī)工程;2005年09期

8 蔣盛益;李慶華;;有指導(dǎo)的入侵檢測(cè)方法研究[J];通信學(xué)報(bào);2006年03期

9 王國(guó)棟;;入侵檢測(cè)方法淺析[J];科技創(chuàng)新導(dǎo)報(bào);2008年05期

10 黃鐵;劉巧梅;;基于模糊遺傳學(xué)習(xí)的入侵檢測(cè)方法[J];計(jì)算技術(shù)與自動(dòng)化;2008年03期

相關(guān)會(huì)議論文 前10條

1 何一青;;一種基于有向二分圖模型和貝葉斯網(wǎng)絡(luò)的入侵檢測(cè)方法[A];第27次全國(guó)計(jì)算機(jī)安全學(xué)術(shù)交流會(huì)論文集[C];2012年

2 令狐大智;李陶深;;一種基于模糊理論的自適應(yīng)入侵檢測(cè)方法[A];2007年全國(guó)開(kāi)放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(上冊(cè))[C];2007年

3 郎風(fēng)華;鮮繼清;唐賢倫;;一種基于格貼近度的模糊入侵檢測(cè)方法[A];’2004計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)議論文集[C];2004年

4 賈超;張胤;;互聯(lián)網(wǎng)絡(luò)的多特征融合入侵檢測(cè)方法[A];第二屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議（NCIRCS-2005）論文集[C];2005年

5 張克農(nóng);陸佳華;高明;;一種基于FPGA的千兆網(wǎng)絡(luò)入侵檢測(cè)方法與實(shí)現(xiàn)[A];全國(guó)網(wǎng)絡(luò)與信息安全技術(shù)研討會(huì)'2005論文集（上冊(cè)）[C];2005年

6 成科揚(yáng);;基于集對(duì)分析的網(wǎng)絡(luò)入侵檢測(cè)研究[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

7 蔣建春;卿斯?jié)h;;基于攻擊上下文的網(wǎng)絡(luò)入侵檢測(cè)[A];全國(guó)網(wǎng)絡(luò)與信息安全技術(shù)研討會(huì)'2005論文集（上冊(cè)）[C];2005年

8 彭清泉;楊曉元;韓益亮;;一種基于免疫的網(wǎng)絡(luò)入侵檢測(cè)體系結(jié)構(gòu)[A];第二十屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2003年

9 黃曉燕;許龍飛;;基于關(guān)聯(lián)規(guī)則的網(wǎng)絡(luò)入侵檢測(cè)技術(shù)的應(yīng)用研究[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2006年

10 張滿懷;;兩類基于異常的網(wǎng)絡(luò)入侵檢測(cè)方法的比較[A];2007中國(guó)科協(xié)年會(huì)——通信與信息發(fā)展高層論壇論文集[C];2007年

相關(guān)博士學(xué)位論文 前9條

1 鄔書(shū)躍;基于支持向量機(jī)和貝葉斯分析技術(shù)的入侵檢測(cè)方法研究[D];中南大學(xué);2012年

2 齊建東;基于數(shù)據(jù)挖掘的入侵檢測(cè)方法及系統(tǒng)研究[D];中國(guó)農(nóng)業(yè)大學(xué);2003年

3 尹清波;基于機(jī)器學(xué)習(xí)的入侵檢測(cè)方法研究[D];哈爾濱工程大學(xué);2007年

4 田新廣;基于主機(jī)的入侵檢測(cè)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

5 張義榮;基于機(jī)器學(xué)習(xí)的入侵檢測(cè)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

6 蘇璞睿;基于特權(quán)進(jìn)程行為的入侵檢測(cè)方法研究[D];中國(guó)科學(xué)院研究生院（軟件研究所）;2005年

7 解男男;機(jī)器學(xué)習(xí)方法在入侵檢測(cè)中的應(yīng)用研究[D];吉林大學(xué);2015年

8 楊宏宇;網(wǎng)絡(luò)入侵檢測(cè)技術(shù)的研究[D];天津大學(xué);2003年

9 劉勇國(guó);基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)入侵檢測(cè)研究[D];重慶大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 王莉;基于改進(jìn)模糊認(rèn)知圖的入侵檢測(cè)方法研究[D];天津理工大學(xué);2013年

2 何文河;云環(huán)境下基于改進(jìn)BP算法的入侵檢測(cè)方法研究[D];廣西大學(xué);2015年

3 顧茜;基于信道狀態(tài)信息的入侵檢測(cè)方法研究[D];燕山大學(xué);2016年

4 王珊;基于網(wǎng)絡(luò)流量特征分析的跳板入侵檢測(cè)方法的研究[D];華僑大學(xué);2016年

5 張超超;智能電網(wǎng)高級(jí)量測(cè)體系入侵檢測(cè)方法研究[D];華北電力大學(xué)(北京);2016年

6 陳佳;基于粒子群和模糊聚類算法的入侵檢測(cè)方法研究[D];廣西大學(xué);2015年

7 劉銘;基于CMABC參數(shù)優(yōu)化的SVM多分類入侵檢測(cè)方法研究[D];廣西大學(xué);2015年

8 董偉偉;基于Dempster-Shafer理論的GHSOM入侵檢測(cè)方法[D];哈爾濱理工大學(xué);2016年

9 蘭妥;基于聚類分析的入侵檢測(cè)方法研究[D];廈門(mén)大學(xué);2009年

10 劉思佳;智能網(wǎng)絡(luò)入侵檢測(cè)方法的研究[D];西華大學(xué);2009年

，

本文編號(hào)：2455780