稀有類分類算法在入侵檢測中的應(yīng)用.pdf

1、隨著網(wǎng)絡(luò)信息技術(shù)的迅速發(fā)展，網(wǎng)絡(luò)數(shù)據(jù)信息的安全日益成為科技社會人們所必須要面對和解決的一個挑戰(zhàn)性問題，入侵檢測系統(tǒng)的研究和實現(xiàn)也隨之成為計算機及其應(yīng)用領(lǐng)域中的一個重要的研究課題，但是入侵檢測的研究數(shù)據(jù)存在類分布不平衡的問題，用入侵檢測的分類算法進行處理，并不能得到良好的分類效果。因此，需要引入新的分類策略和評估方法來解決類分布不平衡的數(shù)據(jù)集學習問題。數(shù)據(jù)挖掘是可以對大量數(shù)據(jù)進行自動高效分析處理的數(shù)據(jù)分析方法，它可以從大量數(shù)據(jù)中挖掘出隱含

2、的規(guī)則、規(guī)律、模式等令人感興趣的信息。而稀有類是數(shù)據(jù)挖掘中一個新興的課題方向，它是指在海量的數(shù)據(jù)信息中，人們所感興趣的信息在大量數(shù)據(jù)中占很少的比例，從大量數(shù)據(jù)中分辨出稀有目標，并分析它的規(guī)則和模式。因此入侵檢測的研究數(shù)據(jù)集就可以作為稀有類來分析，可以采用稀有類特有的分類方法對它進行分析和處理，最終得到預(yù)測函數(shù)。
　　 采用稀有類分類的評估標準：精確率和召回率以及二者的均衡值F-value，來評價一個分類器的稀有類分類性能，被研究

3、不平衡數(shù)據(jù)集學習問題的學者們廣泛的使用。用于稀有類分類的技術(shù)策略包括調(diào)整數(shù)據(jù)類分布的抽樣技術(shù)，兩階段方法，顯露模式算法，代價敏感的學習方法以及集成分類技術(shù)等。
　　 在本文中采用了成本敏感的樸素貝葉斯算法，決策樹算法，基于規(guī)則的分類算法與提出的集成分類算法進行分析和比較。其中樸素貝葉斯算法是基于類條件獨立假設(shè)，具有簡單且有效的特點。在類條件獨立假設(shè)不成立的情況下，分類準確率仍與經(jīng)典決策樹算法J48相當，甚至更好。而且樸素貝葉斯算

4、法在假設(shè)不成立時仍然有效，原因在于在分類問題中決定分類性能的是依賴關(guān)系的分布，而不是屬性之間的依賴關(guān)系本身。所以，本文實驗采用的集成分類算法就是用樸素貝葉斯來構(gòu)造基分類器的。
　　 在本文中首先采用了SMOTE算法，對不平衡數(shù)據(jù)進行分析及其預(yù)處理，然后采用上面提到的分類算法對數(shù)據(jù)進行處理，并得到預(yù)測函數(shù)和ROC曲線。其中NBCBE算法是一個集成分類算法，源于稀有類分類中的集成分類技術(shù)，采用樸素貝葉斯算法構(gòu)建基分類器，使用Boos