文献类型：期刊文章

作　　者：张玲[1] 张建伟[1] 桑永宣[1] 王博[1] 侯泽翔[1]

ZHANG Ling;ZHANG Jianwei;SANG Yongxuan;WANG Bo;HOU Zexiang(Software Engineering College,Zhengzhou University of Light Industry,Zhengzhou 450002,China)

机构地区：[1]郑州轻工业大学软件学院,郑州450002

出　　处：《计算机工程》

基　　金：国家自然科学基金(61502436,61672471);郑州轻工业大学博士基金(2014BSJJ084)。

年　　份：2020

卷　　号：46

期　　号：8

起止页码：146-152

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD_E2019_2020、IC、JST、PROQUEST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：传统入侵检测方法对Probe、U2R、R2L等网络入侵攻击类型的检测率较低,存在对入侵行为的误检和漏检。为此,提出一种基于随机森林与人工免疫的入侵检测算法。设计随机抗体森林检测策略,针对小样本数据集,采用克隆选择算法保证抗体的优良性,提高攻击的检测率,通过将识别为入侵行为的抗原注入抗体集,以平衡抗原的检测率和误报率。仿真结果表明,该算法的检测率为94.1%,高于Probe的93.79%、U2R的91%与R2L的85%,且具有较低的误报率。

关 键 词：入侵检测 随机森林  人工免疫 克隆选择算法 随机抗体森林  

分 类 号：TP391.4]