计算机应用

作者：曹卫东, 许志香

单位：中国民航大学 计算机科学与技术学院, 天津 300300

关键词：入侵检测,Kd-tree,Tri-training,半监督,多层次

基金：民航安全能力建设项目（AADSA0018）；民航局科技创新引领资金专项项目（MHRD20160109）。

针对基于监督学习的入侵检测算法需要的大量有标签数据难以收集，无监督学习算法准确率不高，且对R2L及U2R两类攻击检测率低等问题，提出一种高效的半监督多层次入侵检测算法。首先，利用Kd-tree的索引结构，利用加权密度在高密度样本区选择K-means算法的初始聚类中心；然后，将聚类之后的数据分为三个类簇，将无标签类簇和混合类簇借助Tri-training采用加权投票规则扩充有标签数据集；最后，利用二叉树形结构设计层次化分类模型，在NSL-KDD数据集上进行了实验验证。结果表明半监督多层次入侵检测模型能够在利用少量有标签数据的情况下，对R2L及U2R的检测率分别达到49.38%、81.14%，有效提高R2L及U2R两类攻击的检测率，从而降低系统的漏报率。

来源：2019年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第7期