基于机器学习的入侵检测方法实验与分析  

Experiments and analysis for intrusion detection method based on machine learning

作　　者：孙宏伟[1] 邹涛[1] 田新广[1] 张尔扬[1] 

机构地区：[1]国防科技大学电子科学与工程学院,湖南长沙410073

出　　处：《计算机工程与设计》2004年第5期694-696,共3页Computer Engineering and Design

基　　金：普天首信重大科研基金(021125)

摘　　要：入侵检测系统(IDS)是保障信息安全的重要手段。分析了机器学习应用于网络连接级的异常检测模型的过程,然后建立了异常检测系统原型,以验证此方法用于IDS的可能性及所能达到的性能。实验以DARPA网络数据为例,对数据的特征进行了分析、选取及构造,并针对多种情况进行了测试。实验结果表明,该IDS系统具有很好的检测性能。最后对结果进行了分析,并得出了几个有用的结论。Intrusion detection system(IDS)is a very important instrument in the domain of information security.Machine learning was used to construct an IDS model on network connection level in order to test the feasibility and its performance.Ex- perimental results using a set of benchmark data from DARPA have shown that the performances of this anomaly detection system are fairly high.At the end,some useful conclusions were drawn according to the results.

关 键 词：机器学习 入侵检测方法 入侵检测系统 IDS 异常检测模型 分类模型 

分 类 号：TP393.08[自动化与计算机技术—计算机应用技术]