基于粗糙集数据挖掘和分类集成学习的网络入侵检测模型  被引量:4

MODELING NETWORK INTRUSION DETECTION USING ROUGH SET DATA MINING AND ENSEMBLE LEARNING

在线阅读下载全文

作  者:王艳芳[1] 张连华[2] 白英彩[2] 

机构地区:[1]云南师范大学物理与电子信息学院,云南昆明650092 [2]上海交通大学计算机科学与工程系,上海200030

出  处:《计算机应用与软件》2006年第4期120-122,共3页Computer Applications and Software

摘  要:基于多个特征或多个模型的集成(Ensemb le)学习技术是智能网络入侵检测的重要研究方向,在现有研究基础上提出基于粗糙集分类、模型分发和攻击归类检测,并加以集成的学习式网络入侵检测模型,该模型不仅能提高网络入侵检测系统检测率,同时还结合了粗糙集能处理不确定信息、生成规则具有高解释性、特征排序在获得检测规则前完成等优点。Ensemble Learning technology is one of the important research directions in intelligent network intrusion detections. Based on the others' research in this domain,a new Network Intrusion Detection Modeling technology using Rough Set Data Mining, model distribution and Ensemble Learning is proposed ,which can improve the detection rate and has the advantages of Rough Set Data Mining such as high model explanation,feature ranking and imprecise information adaption etc.

关 键 词:网络入侵检测 粗糙集 数据挖掘 集成学习 

分 类 号:TP393.08[自动化与计算机技术—计算机应用技术] TP18[自动化与计算机技术—计算机科学与技术]

 

参考文献:

正在载入数据...

 

二级参考文献:

正在载入数据...

 

耦合文献:

正在载入数据...

 

引证文献:

正在载入数据...

 

二级引证文献:

正在载入数据...

 

同被引文献:

正在载入数据...

 

相关期刊文献:

正在载入数据...

相关的主题
相关的作者对象
相关的机构对象