|
|||||
|
|
| 基于Tri-training的入侵检测算法 | |
| 引用本文： | 邬书跃,余杰,樊晓平.基于Tri-training的入侵检测算法[J].计算机工程,2012,38(6):158-160. |
| 作者姓名： | 邬书跃 余杰 樊晓平 |
| 作者单位： | 1. 中南大学信息科学与工程学院,长沙410083;湖南涉外经济学院电气与信息工程学院,长沙410205 2. 国防科技大学计算机学院,长沙,410073 3. 中南大学信息科学与工程学院,长沙,410083 |
| 基金项目： | 国家自然科学基金资助项目(61103015);湖南省自然科学基金资助项目(09JJ5043) |
| 摘 要： | 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。 |
| 关 键 词： | 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 |
| 收稿时间： | 2011-07-08 |
Intrusion Detection Algorithm Based on Tri-training |
|
| WU Shu-yue , YU Jie , FAN Xiao-ping.Intrusion Detection Algorithm Based on Tri-training[J].Computer Engineering,2012,38(6):158-160. | |
| Authors: | WU Shu-yue YU Jie FAN Xiao-ping |
| Affiliation: | 1(1.School of Information Science and Engineering,Central South University,Changsha 410083,China;2.Institute of Electrical and Information Engineering,Hunan International Economics University,Changsha 410205,China;3.School of Computer,National University of Defense Technology,Changsha 410073,China) |
| Abstract: | The Co-training method requires the independence of two data vectors,which is far from the characteristic of real dataset in network intrusion detection.This paper proposes a intrusion detection method based on Tri-training.It exploits the large amount of unlabeled data,and increases the detection accuracy and stability by Co-training three classifiers.Simulation results show that this method is 2.1% more accurate than the SVM Co-training method,and it performs better with the increase of the loop number. |
| Keywords: | intrusion detection small-sample Support Vector Machine(SVM) semi-supervised Co-training Tri-training |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
| 点击此处可从《计算机工程》浏览原始摘要信息 | |
| 点击此处可从《计算机工程》下载全文 | |