基于選擇性集成學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測方法研究.pdf

1、隨著網(wǎng)絡(luò)安全風(fēng)險(xiǎn)系數(shù)的不斷提高，曾經(jīng)作為最主要的安全防范手段的防火墻，已經(jīng)不能滿足人們對網(wǎng)絡(luò)安全的需求。作為對防火墻的有益補(bǔ)充，入侵檢測系統(tǒng)能夠快速發(fā)現(xiàn)網(wǎng)絡(luò)攻擊的發(fā)生。近年來，網(wǎng)絡(luò)入侵檢測技術(shù)得到了快速的發(fā)展，但其理論基礎(chǔ)仍然不夠完善，在實(shí)際應(yīng)用中還存在著對新攻擊檢測率低、時(shí)間復(fù)雜度高、泛化能力差等問題。為了解決現(xiàn)有的入侵檢測系統(tǒng)所存在的問題，本文采用機(jī)器學(xué)習(xí)的思想對網(wǎng)絡(luò)入侵檢測技術(shù)進(jìn)行研究，并設(shè)計(jì)出基于選擇性集成學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測方法

2、。
　　選擇性集成學(xué)習(xí)可以在提高學(xué)習(xí)系統(tǒng)泛化能力的同時(shí)有效降低系統(tǒng)的計(jì)算與存儲(chǔ)開銷。因此，本文采用選擇性集成學(xué)習(xí)來檢測網(wǎng)絡(luò)入侵。首先，考慮基學(xué)習(xí)器的訓(xùn)練問題，提出一種基于依賴決策熵的決策樹分類算法DTDDE；其次，考慮基學(xué)習(xí)器的選擇與集成問題，提出一種新的基于決策樹的選擇性集成學(xué)習(xí)算法SELDT，SELDT算法利用DTDDE來訓(xùn)練基學(xué)習(xí)器，并通過Q-統(tǒng)計(jì)量來計(jì)算基學(xué)習(xí)器之間的差異度。第三，考慮選擇性集成學(xué)習(xí)在網(wǎng)絡(luò)入侵檢測中的應(yīng)用問

3、題，即利用SELDT算法來檢測網(wǎng)絡(luò)入侵，從而構(gòu)建出一種新的入侵檢測方法。該方法可以在不增加入侵檢測系統(tǒng)建模時(shí)間的前提下，有效提高系統(tǒng)的檢測性能。
　　本文的主要工作包括以下幾個(gè)方面：
　　（1）提出一種基于依賴決策熵的決策樹分類算法DTDDE。針對傳統(tǒng)的基于信息熵的決策樹算法所存在的問題，提出一種依賴決策熵的概念，并使用依賴決策熵來計(jì)算屬性重要性，從而設(shè)計(jì)出一種基于依賴決策熵的決策樹分類算法DTDDE。通過在多個(gè)UCI數(shù)據(jù)集

4、上的實(shí)驗(yàn)表明，與現(xiàn)有的決策樹算法相比，DTDDE算法能夠獲得更好的分類性能。
　?。?）提出一種新的基于決策樹的選擇性集成學(xué)習(xí)算法SELDT。通過對原始數(shù)據(jù)進(jìn)行有放回的抽樣來獲得多個(gè)訓(xùn)練集，分別在每個(gè)訓(xùn)練集上利用（1）中所提出的決策樹分類算法DTDDE來訓(xùn)練一個(gè)基學(xué)習(xí)器，并利用Q-統(tǒng)計(jì)量來計(jì)算基學(xué)習(xí)器之間的差異度。最后，選擇M個(gè)差異度最大的基學(xué)習(xí)器來構(gòu)建集成學(xué)習(xí)器。通過在真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)驗(yàn)證了SELDT算法的有效性。