發(fā)布時間：2019-10-03 01:27

【摘要】：在網絡入侵流量檢測中,普遍存在不同攻擊類型的流量分布不均現象,導致少數攻擊流量類識別率較低。為解決此類問題,基于不同特征空間的分類器流水線組合方法將多分類問題轉化為不同特征空間上的兩分類問題,有效地實現少數類重抽樣和特征空間的優(yōu)化,避免了少數類受多數類特征的干擾。實驗表明,此方法可以有效地提高攻擊流量中少數類的分類精度和召回率。
【圖文】：

趟丨邋研究與開發(fā)邐逡逑特征空間７ｄ。ｓ邋特征空間特征空間＆＾邐特征空間＆２Ｒ逡逑＂＾ＤｏＳ／ｏｔｈｃｒｓ邋＂＾ｐｒｏｂｅ／ｏｔｈｅｒｓ邋？邐＾＾Ｒ２Ｕｏｌｈｅｖｓ邋＾Ｕ２Ｒ／ｏｔｈｅｒｓ邋￣￣＾逡逑ｏ邋ｏ邐ｏ邋ｏ邋娜逡逑ＤｏＳ邋ｐｒｏｂｅ邐Ｒ２Ｌ邋Ｕ２Ｒ逡逑圖４邋ＫＤＤ邋ｃｕｐ９９數據集流水線組合分類器的分類流程逡逑進行判別，將其預測為ＤｏＳ流量或ｏｔｈｅｒｓ流量。如果預測邐，八逡逑４邋實胎分析逡逑為ｏｔｈｅｒｓ流量，則該樣本繼續(xù)作為下一個分類器逡逑的輸人，如此下去，直至其被作為Ｒ２Ｌ流量、Ｕ２Ｒ流量或正邐本文提出的流水線組合方法可以應用任何已有的分逡逑常流量之一輸出，具體過程如算法３所示。邐類算法作為兩分類器。使用ＮａｌｆＶｅＢａｙｅｓ、Ｃ４．５、ｌＮＮ、ＳＶＭ逡逑算法３邋Ｃａｓｃａｄｅ＿Ｃｌａｓｓｉｆｙ。邐這４種分類算法作為基本的兩分類器。為了便于比較分類逡逑輸人：測試數據集ｒ，類別｛ｃｈｃ２，…，（：，｝，訓練好的兩分邐器組合后的性能，只將同一類算法的分類器進行組合，例逡逑類器｛Ｍ？Ｍ２，…ａ邋｝，對應兩分類器（私凡，…凡｝的特征空邐如將４個ＮａｉＶｅ邋Ｂａｙｅｓ兩分類器進行串行組合。圖５￣圖８逡逑間｛ｆ，，ｆ２，…，｝。邐給出了上述４種分類算法構建成的４個流水線組合分類逡逑輸出：類別⑷｝。邐器與單一多分類器的性能比較，分類性能的評估策略采用逡逑ｗｈｉｌｅ邋｛ｔ＾ｇｅｔｎｅｘｔ｛Ｔ））＾ｎｖＨ邋／／從測試集中獲取數據邐１０折交叉驗證的方法比較精度與召回率。圖５對比了單逡逑ｆｏｒ邋１邋ｔｏ邋ｋ邐一特征空間下的ＮａｉＶｅ邋Ｂａｙｅｓ多分類器和多特征空間下由逡逑根據特征空間Ｓ，？上提取測試樣本

趟丨邋研究與開發(fā)邐逡逑特征空間７ｄ。ｓ邋特征空間特征空間＆＾邐特征空間＆２Ｒ逡逑＂＾ＤｏＳ／ｏｔｈｃｒｓ邋＂＾ｐｒｏｂｅ／ｏｔｈｅｒｓ邋？邐＾＾Ｒ２Ｕｏｌｈｅｖｓ邋＾Ｕ２Ｒ／ｏｔｈｅｒｓ邋￣￣＾逡逑ｏ邋ｏ邐ｏ邋ｏ邋娜逡逑ＤｏＳ邋ｐｒｏｂｅ邐Ｒ２Ｌ邋Ｕ２Ｒ逡逑圖４邋ＫＤＤ邋ｃｕｐ９９數據集流水線組合分類器的分類流程逡逑進行判別，將其預測為ＤｏＳ流量或ｏｔｈｅｒｓ流量。如果預測邐，八逡逑４邋實胎分析逡逑為ｏｔｈｅｒｓ流量，則該樣本繼續(xù)作為下一個分類器逡逑的輸人，如此下去，直至其被作為Ｒ２Ｌ流量、Ｕ２Ｒ流量或正邐本文提出的流水線組合方法可以應用任何已有的分逡逑常流量之一輸出，具體過程如算法３所示。邐類算法作為兩分類器。使用ＮａｌｆＶｅＢａｙｅｓ、Ｃ４．５、ｌＮＮ、ＳＶＭ逡逑算法３邋Ｃａｓｃａｄｅ＿Ｃｌａｓｓｉｆｙ。邐這４種分類算法作為基本的兩分類器。為了便于比較分類逡逑輸人：測試數據集ｒ，類別｛ｃｈｃ２，…，（：，｝，訓練好的兩分邐器組合后的性能，，只將同一類算法的分類器進行組合，例逡逑類器｛Ｍ？Ｍ２，…ａ邋｝，對應兩分類器（私凡，…凡｝的特征空邐如將４個ＮａｉＶｅ邋Ｂａｙｅｓ兩分類器進行串行組合。圖５￣圖８逡逑間｛ｆ，，ｆ２，…，｝。邐給出了上述４種分類算法構建成的４個流水線組合分類逡逑輸出：類別⑷｝。邐器與單一多分類器的性能比較，分類性能的評估策略采用逡逑ｗｈｉｌｅ邋｛ｔ＾ｇｅｔｎｅｘｔ｛Ｔ））＾ｎｖＨ邋／／從測試集中獲取數據邐１０折交叉驗證的方法比較精度與召回率。圖５對比了單逡逑ｆｏｒ邋１邋ｔｏ邋ｋ邐一特征空間下的ＮａｉＶｅ邋Ｂａｙｅｓ多分類器和多特征空間下由逡逑根據特征空間Ｓ，？上提取測試樣本
【作者單位】： 浙江水利水電學院;浙江科技學院理學院;
【基金】：浙江省水利廳科技計劃基金資助項目(No.RC1452) 浙江省網絡媒體云處理與分析工程技術中心開放課題基金資助項目(No.2012E10023-14) 2014年度高校國內訪問學者專業(yè)發(fā)展基金資助項目(No.FX2014092)~~
【分類號】：TP393.08

【共引文獻】

相關期刊論文 前10條

1 潘希姣;;多子群粒子群集成神經網絡[J];安徽建筑工業(yè)學院學報(自然科學版);2007年02期

2 李亭;楊敬鋒;彭曉琴;陳志民;;基于最大似然法集成的黃曲條跳甲預警模型[J];安徽農業(yè)科學;2008年25期

3 時雷;虎曉紅;席磊;段其國;;集成學習技術在農業(yè)中的應用[J];安徽農業(yè)科學;2008年26期

4 李文斌;劉椿年;鐘寧;;基于兩階段集成學習的分類器集成[J];北京工業(yè)大學學報;2010年03期

5 蔣宗禮;徐學可;;一種基于集成學習與類指示器的文本分類方法[J];北京工業(yè)大學學報;2010年04期

6 李飛;高小榕;高上凱;;基于隨機森林算法的高維腦電特征優(yōu)選[J];北京生物醫(yī)學工程;2007年04期

7 李勇,王建波;分類回歸樹中分裂法則的相合性質[J];北京師范大學學報(自然科學版);2002年01期

8 任杰;柳毅;金鑫;別榮芳;;基于數據挖掘的蔬菜圖片病害自動分類[J];北京師范大學學報(自然科學版);2006年06期

9 ;A rough sets based pruning method for bagging ensemble[J];重慶郵電大學學報(自然科學版);2008年03期

10 胡峰;張杰;劉靜;肖大偉;;一種基于Rough集的海量數據屬性約簡方法[J];重慶郵電大學學報(自然科學版);2009年04期

相關會議論文 前10條

1 葉紅云;倪志偉;陳恩紅;;一種混合型集成學習演化決策樹算法[A];2005年“數字安徽”博士科技論壇論文集[C];2005年

2 杜方鍵;楊宏暉;;K均值聚類優(yōu)化集成學習[A];2011'中國西部聲學學術交流會論文集[C];2011年

3 杜曉鳳;丁友東;;FloatBag選擇性神經網絡集成及其在人臉檢測中的應用[A];第十二屆全國信號處理學術年會（CCSP-2005）論文集[C];2005年

4 陳華杰;韋巍;;一種基于元泛化的Bagged Boosting算法[A];2005中國控制與決策學術年會論文集（上）[C];2005年

5 ;Adaptive multi-LSSVR based soft sensing for cobalt oxalate synthesis process[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

6 ;Multiple ANNs Combined Scheme for Fault Diagnosis of Power Transformers[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

7 師凱;蔡延光;鄒谷山;王濤;;蟻群算法及粒子群算法對比及在VRP中的應用[A];第二十四屆中國控制會議論文集（下冊）[C];2005年

8 劉峰;瞿俊;;基于聚類分析和神經網絡的時間序列預測方法[A];2006年全國開放式分布與并行計算學術會議論文集（一）[C];2006年

9 曹東升;許青松;梁逸曾;陳憲;李洪東;;組合樹的集合體和后向消除策略去分類P-糖蛋白化合物[A];第十屆全國計算(機)化學學術會議論文摘要集[C];2009年

10 陳珊;李曉寧;梁逸曾;張志敏;;拉曼光譜的熒光背景扣除及其用于藥物聚類分析[A];中國化學會第27屆學術年會第09分會場摘要集[C];2010年

相關博士學位論文 前10條

1 于化龍;基于DNA微陣列數據的癌癥分類技術研究[D];哈爾濱工程大學;2010年

2 鄧斌;B2C在線評論中的客戶知識管理研究[D];電子科技大學;2010年

3 蘇煜;基于SCF范式的在線P300腦機接口研究[D];浙江大學;2010年

4 杜方;復雜網絡系統(tǒng)間相似性識別及其應用[D];浙江大學;2010年

5 甘良志;核學習算法與集成方法研究[D];浙江大學;2010年

6 閆中敏;Deep Web數據獲取問題研究[D];山東大學;2010年

7 陳進;高光譜圖像分類方法研究[D];國防科學技術大學;2010年

8 張翔;文本挖掘技術研究及其在綜合風險信息網絡中的應用[D];西北大學;2011年

9 王飛;入侵檢測分類器設計及其融合技術研究[D];南京理工大學;2011年

10 王清;集成學習中若干關鍵問題的研究[D];復旦大學;2011年

相關碩士學位論文 前10條

1 馬冉冉;集成學習算法研究[D];山東科技大學;2010年

2 呂萬里;中文文本分類技術研究[D];山東科技大學;2010年

3 朱耿峰;支持向量機在沖擊地壓預測模型中的應用研究[D];山東科技大學;2010年

4 石國強;基于規(guī)則的組合分類器的研究[D];鄭州大學;2010年

5 陳松峰;利用PCA和AdaBoost建立基于貝葉斯的組合分類器[D];鄭州大學;2010年

6 吳正娟;特征變換在組合分類中的應用研究[D];鄭州大學;2010年

7 曹彥;基于支持向量機的特征選擇及其集成方法的研究[D];鄭州大學;2010年

8 周馳;數據流上概念漂移的檢測和分類[D];鄭州大學;2010年

9 朱新榮;徑向基函數神經網絡集成算法的研究及應用[D];大連理工大學;2010年

10 劉曉飛;基于相關反饋的圖像檢索研究[D];大連理工大學;2010年

【相似文獻】

相關期刊論文 前10條

1 周學廣;無線網絡入侵初探[J];通信技術;2002年10期

2 姜文凱;;怎樣防范網絡入侵?[J];金融電子化;2002年12期

3 向建國,夏長城;網絡入侵取證系統(tǒng)(Ⅰ)[J];湘南學院學報;2004年02期

4 嚴曉光,褚學征;聚類在網絡入侵的異常檢測中的應用[J];計算機系統(tǒng)應用;2005年10期

5 韓聰;李玲娟;湯文宇;;網絡入侵的方法及其分類[J];西安郵電學院學報;2007年03期

6 唐洋;徐倩;;通過異常操作的網絡入侵識別及防范[J];重慶電力高等�？茖W校學報;2008年01期

7 趙永馳;楊傅;;基于網絡入侵分析[J];電腦知識與技術;2008年22期

8 王清;;網絡入侵及入侵取證的探討[J];科技信息;2011年35期

9 范海峰;;無線網絡入侵技術研究[J];計算機安全;2012年02期

10 許偉;褚玉曉;;基于競爭關聯優(yōu)化的無線網絡入侵圖譜分類算法[J];科技通報;2013年10期

相關會議論文 前10條

1 錢桂瓊;許榕生;;網絡入侵取證審計數據分析技術的研究[A];第十七次全國計算機安全學術交流會暨電子政務安全研討會論文集[C];2002年

2 張樂;郝文江;武捷;;美國網絡入侵信息披露制度簡介[A];全國計算機安全學術交流會論文集·第二十五卷[C];2010年

3 鐘華;陶妍丹;;基于攻擊聚類的計算機網絡入侵預警研究[A];2007北京地區(qū)高校研究生學術交流會通信與信息技術會議論文集（上冊）[C];2008年

4 范曉嵐;姜建國;曾啟銘;;BO網絡入侵的實時檢測[A];中國工程物理研究院科技年報（1999）[C];1999年

5 王娟;舒敏;傅

本文編號：2545204