一种基于多层决策树分类的入侵检测方法 |
| |
作者姓名: | 方伟 黄泽斌 唐郑熠 王金水 |
| |
作者单位: | 1. 福建工程学院信息科学与工程学院;2. 福建省大数据挖掘与应用技术重点试验室;3. 湖南工商大学移动商务智能湖南省重点试验室 |
| |
基金项目: | 湖南省重点试验室开放研究基金资助项目(2015TP1002);;国家重点研发计划子课题资助项目(2018YFC1201103);;福建省科技计划引导性资助项目(2018H0002); |
| |
摘 要: | 分类技术在应用于入侵检测时,会因为待识别的用户行为类型的增加,造成分类性能的下降,从而影响检测的准确率。针对这一问题,本文研究了数据记录类型所存在的层次性现象,并据此提出了一种多层分类方法,以减少分类算法所需要识别的记录类型。以决策树为分类算法,使用该方法对KDDCup99数据集训练多层分类模型,取得了良好的分类性能,特别是明显改善了小比例样本的识别性能。
|
关 键 词: | 入侵检测 分类 决策树 类型层次 多层分类模型 |
|
|