稀有類分類算法在入侵檢測(cè)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(huì)人們所必須要面對(duì)和解決的一個(gè)挑戰(zhàn)性問(wèn)題，入侵檢測(cè)系統(tǒng)的研究和實(shí)現(xiàn)也隨之成為計(jì)算機(jī)及其應(yīng)用領(lǐng)域中的一個(gè)重要的研究課題，但是入侵檢測(cè)的研究數(shù)據(jù)存在類分布不平衡的問(wèn)題，用入侵檢測(cè)的分類算法進(jìn)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(píng)估方法來(lái)解決類分布不平衡的數(shù)據(jù)集學(xué)習(xí)問(wèn)題。數(shù)據(jù)挖掘是可以對(duì)大量數(shù)據(jù)進(jìn)行自動(dòng)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(gè)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(biāo)，并分析它的規(guī)則和模式。因此入侵檢測(cè)的研究數(shù)據(jù)集就可以作為稀有類來(lái)分析，可以采用稀有類特有的分類方法對(duì)它進(jìn)行分析和處理，最終得到預(yù)測(cè)函數(shù)。
　　 采用稀有類分類的評(píng)估標(biāo)準(zhǔn)：精確率和召回率以及二者的均衡值F-value，來(lái)評(píng)價(jià)一個(gè)分類器的稀有類分類性能，被研究

3、不平衡數(shù)據(jù)集學(xué)習(xí)問(wèn)題的學(xué)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(jià)敏感的學(xué)習(xí)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(shù)算法，基于規(guī)則的分類算法與提出的集成分類算法進(jìn)行分析和比較。其中樸素貝葉斯算法是基于類條件獨(dú)立假設(shè)，具有簡(jiǎn)單且有效的特點(diǎn)。在類條件獨(dú)立假設(shè)不成立的情況下，分類準(zhǔn)確率仍與經(jīng)典決策樹(shù)算法J48相當(dāng)，甚至更好。而且樸素貝葉斯算

4、法在假設(shè)不成立時(shí)仍然有效，原因在于在分類問(wèn)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(shí)驗(yàn)采用的集成分類算法就是用樸素貝葉斯來(lái)構(gòu)造基分類器的。
　　 在本文中首先采用了SMOTE算法，對(duì)不平衡數(shù)據(jù)進(jìn)行分析及其預(yù)處理，然后采用上面提到的分類算法對(duì)數(shù)據(jù)進(jìn)行處理，并得到預(yù)測(cè)函數(shù)和ROC曲線。其中NBCBE算法是一個(gè)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