3080.
网络异常检测技术是入侵检测领域研究的热点和难点内容,目前仍然存在着误报率较高、对建立检测模型的数据要求过高、在复杂的网络环境中由于\"噪音\"的影响而导致检测率不高等问题.基于改进的TCM-KNN(transductive confidence machines for
K-nearest neighbors)置信度机器学习算法,提出了一种网络异常检测的新方法,能够在高置信度的情况下,使用训练的正常样本有效地对异常进行检测.通过大量基于著名的KDD Cup 1999数据集的实验,表明其相对于传统的异常检测方法在保证较高检测率的前提下,有效地降低了误报率.另外,在训练集有少量\"噪音\"数据干扰的情况下,其仍能保证较高的检测性能;并且在采用\"小样本\"训练集以及为了避免\"维灾难\"而进行特征选取等优化处理后,其性能没有明显的削减.… …
相似文献