-
题名基于半监督学习和三支决策的入侵检测模型
被引量：7
- 1
-
-
作者
张师鹏
李永忠
杜祥通
-
机构
江苏科技大学计算机学院
-
出处
《计算机应用》
CSCD
北大核心
2021年第9期2602-2608,共7页
-
基金
江苏省研究生科研与实践创新计划项目(KYCX20_3163)。
-
文摘
针对现有的入侵检测模型在未知攻击上表现不佳,且标注数据极其有限的情况,提出一种基于半监督学习(SSL)和三支决策(3WD)的入侵检测模型--SSL-3WD。SSL-3WD模型通过3WD在信息不足情况下的优秀表现来满足SSL在数据信息的充分冗余性上的假设。首先利用3WD理论对网络行为数据进行分类,而后根据分类结果选择适当的“伪标记”样本组成新的训练集以扩充原有数据集,最后重复分类过程,以得到所有对于网络行为数据的分类。在NSL-KDD数据集上,所提模型的检出率达到了97.7%,相较于对比方法中检出率最高的自适应的集成学习入侵检测模型Multi-Tree,提升了5.8个百分点;在UNSW-NB15数据集上,所提模型的准确率达到了94.7%,检出率达到了96.3%,相较于对比方法中表现最好的基于深度堆叠非对称自编码器(SNDAE)的入侵检测模型,分别提升了3.5个百分点和6.2个百分点。实验结果表明,所提SSL-3WD模型提升了对网络行为进行检测的准确率和检出率。
-
关键词
入侵检测
半监督学习
三支决策
未知攻击
充分冗余
-
Keywords
intrusion detection
Semi-Supervised Learning(SSL)
three-way decision(3wd)
unknown attack
sufficient redundancy
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名基于最远总距离采样的代价敏感主动学习
被引量：1
- 2
-
-
作者
任杰
闵帆
汪敏
-
机构
西南石油大学计算机科学学院
西南石油大学电气信息学院
-
出处
《计算机应用》
CSCD
北大核心
2019年第9期2499-2504,共6页
-
基金
四川省青年科技创新团队专项(2019JDTD0017)
四川省应用基础研究项目(2019JDTD0017)~~
-
文摘
主动学习旨在通过人机交互减少专家标注,代价敏感主动学习则致力于平衡标注与误分类代价。基于三支决策(3WD)和标签均匀分布(LUD)模型,提出一种基于最远总距离采样的代价敏感主动学习算法(CAFS)。首先,设计了最远总距离采样策略,以查询代表性样本的标签;其次,利用了LUD模型和代价函数,计算期望采样数目;最后,使用了k-Means聚类技术分裂已获得不同标签的块。CAFS算法利用三支决策思想迭代地进行标签查询、实例预测和块分裂,直至处理完所有实例。学习过程在代价最小化目标的控制下进行。在9个公开数据上比较,CAFS比11个主流的算法具有更低的平均代价。
-
关键词
主动学习
K-MEANS聚类
标签均匀分布
三支决策
-
Keywords
active learning
k-Means clustering
label uniform distribution
three-way decision(3wd)
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
