文献类型：期刊文章

作　　者：李斌[1] 张燕[2]

Li Bin;Zhang Yan(Division of Science and Technology,Shangluo University,Shangluo Shaanxi 726000,China;College of Mathematics and Computer Application,Shangluo University,Shangluo Shaanxi 726000,China)

机构地区：[1]商洛学院商洛学院科技处,陕西商洛726000 [2]商洛学院数学与计算机应用学院,陕西商洛726000

出　　处：《电气自动化》

基　　金：陕西省科技厅研究项目(2019KRM095);商洛市科技计划研究项目(SK2019-84);商洛学院科技研究计划项目(18SKY014);商洛学院科技创新团队建设项目(18SCX002)。

年　　份：2021

卷　　号：43

期　　号：4

起止页码：101-104

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：在网络入侵检测中,网络攻击新方法层出不穷,传统基于块数据的集成学习算法由于无法收集完备的训练集,导致入侵检测系统无法识别新的攻击行为。为此,提出基于半监督集成学习算法,把半监督学习思想引入到集成学习中,使得分类模型可以动态更新,从而使入侵检测模型具有自适应性,提高对未知攻击行为的识别率。通过在NSL-KDD数据集上进行仿真试验,结果表明算法可以提高检测准确率,尤其是对未知的入侵行为的识别率有所提高。

关 键 词：集成学习  入侵检测 半监督学习 不均衡数据流  完备数据集  

分 类 号：TP391]