数据挖掘方法在入侵检测中的应用研究  

Study of Data Mining in Intrusion Detection

作　　者：周荃[1] 赵凤英[1] 王崇骏[1] 陈世福[1] 

机构地区：[1]南京大学计算机科学与技术系计算机软件新技术国家重点实验室,南京210093

出　　处：《模式识别与人工智能》2008年第4期520-526,共7页Pattern Recognition and Artificial Intelligence

基　　金：国家自然科学基金项目(No.60503021;60721002);江苏省高技术研究发展计划项目(No.BG2006027);江苏省自然科学基金项目(No.BK2005075)资助

摘　　要：针对入侵检测数据集具有的类别不均衡性、数据中心重叠、噪音、分布率变化等问题,提出一种集多种数据挖掘方法的解决方案,包括 k-means、C4.5、SVM、Nave Bayes、Bayes Net、Co-training 等,并进行相关实验.实验结果表明其有效性.The solution based on multi-approaches of data mining involving k-means, C4.5, NaYve Bayes,Bayes net and Co-training is proposed in order to deal with the major problems of intrusion detection dataset such as class balance, class overlapping, noise, distributions etc. The experiment results show its validity.

关 键 词：重复性 不均衡 入侵检测 软集成 取样 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论] TP393.08[自动化与计算机技术—计算机科学与技术]