选择分类器进行入侵检测  

Classifier Selection for intrusion detection

作　　者：张新东[1] 亢俊健[1] 陈嶷瑛[1] 李文斌[1] 

机构地区：[1]石家庄经济学院信息工程学院,050031

出　　处：《微计算机信息》2010年第6期82-83,124,共3页Control & Automation

基　　金：基金申请人:刘泰峰;亢俊健等;项目名称:<代价敏感的垃圾邮件自动过滤系统的研制>;基金颁发部门:河北省科技厅项目(07213507D);石家庄经济学院博士启动基金

摘　　要：使用集成分类器的方法进行入侵检测,但差的个体分类器往往会对集成性能造成不良影响。因此,使用信息增益法评价各分类器性能,并剔除表现不好的若干个分类器。一方面,降低了分类器空间维数。另一方面,提高了集成效果。在公用的入侵检测数据集上的实验结果表明,本文方法具有较好的集成效果,优于单分类器性能。This work uses the method of ensemble learning for intrusion detection. Considering that someqclassifiers with poor performance will result in poor accuracy of detection, this paper firstly selects ＂good＂ classifiers based Information Gain. This process can reduces classifier space on the one hand, and improve ensemble performance on the other hand. The experiment on a public available dataset KDD99 shows that the proposed method can gain better performance than a single classifier.

关 键 词：分类 集成学习 入侵检测 信息增益 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]