文献类型：期刊文章

作　　者：安尼瓦尔.加马力[1] 亚森.艾则孜[1] 木尼拉.塔里甫[2]

机构地区：[1]新疆警察学院信息安全工程系,乌鲁木齐830013 [2]新疆财经大学计算机科学技术工程学院,乌鲁木齐830012

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(61762086);国家社会科学基金资助项目(13CFX055);新疆维吾尔自治区高校科研计划重点项目(XJEDU20161052)

年　　份：2017

卷　　号：34

期　　号：12

起止页码：3749-3752

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对网络入侵的实时高效检测问题,提出一种基于网络连接数据分析和在线贯序极限学习机(OSELM)分类器的网络入侵检测系统(IDS)。对入侵数据库中的网络连接数据进行分析,通过特征选择算法选择出最优特征子集;然后,迭代执行交叉验证,并通过Alpha剖析来缩减样本尺寸,以此减低后续分类器的计算复杂度;最后,利用优化后的样本特征集来训练OSELM分类器,以此构建一个网络实时入侵检测系统。在NSL-KDD和DARPA数据库上的实验结果表明,提出的IDS具有较高的检测率和较低的误报率,同时检测时间较短,符合实时入侵检测的要求。

关 键 词：入侵检测系统 网络连接数据  特征选择  在线贯序极限学习机  Alpha剖析  

分 类 号：TP393.08]