典型文献
基于SOINN的欠采样方法在网络入侵检测中的应用
文献摘要：
现实网络环境下,正常流量规模所占比例远大于异常流量,这将导致基于机器学习的网络入侵检测系统(NIDS)对于检测少量的异常样本时效果较差.对于该问题,提出一种基于自组织增量神经网络(SOINN)的欠采样方法.该方法首先将多数类正常样本输入SOINN,算法输出的少量样本继承了原始数据的分布特性,然后将平衡后的数据用于训练多种机器学习分类器,提高了分类器性能.由于SOINN采样率随着数据规模的增大而逐渐减小,提出一种分块采样的方法来确定采样后的数据规模.首先计算采样率,然后根据采样率确定分块的规模,最后把每一块的压缩数据进行拼接,形成最终的欠采样数据.实验结果表明,相比于其他欠采样方法,所提方法在决策树、K近邻和支持向量机三种分类器中均保持了较高的准确率和召回率.
文献关键词：
网络入侵检测;欠采样;采样率;分块采样;决策树;K近邻;支持向量机
中图分类号：
作者姓名：
吴署光;王宏艳;王宇;温晓敏;李海滨;周尚辉
作者机构：
航天工程大学 航天信息学院,北京 101400;中国人民解放军32039部队,北京 102300;中国人民解放军93719部队,内蒙古 呼和浩特 010000;中国人民解放军66242部队,内蒙古 锡林郭勒 011216;中国人民解放军95806部队,北京 100076
文献出处：
引用格式：
[1]吴署光;王宏艳;王宇;温晓敏;李海滨;周尚辉-.基于SOINN的欠采样方法在网络入侵检测中的应用)[J].现代电子技术,2022(21):88-92
A类：
SOINN,分块采样
B类：
欠采样,采样方法,网络环境,量规,远大于,异常流量,基于机器学习,网络入侵检测系统,NIDS,自组织,少量样本,原始数据,分布特性,机器学习分类器,采样率,一块,拼接,采样数据,决策树,近邻,召回率
AB值：
0.216473
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
