| 基于增量集成学习的动态自适应SDN入侵检测 |
| |
| 引用本文： | 陈昌娜,李昭桦.基于增量集成学习的动态自适应SDN入侵检测[J].计算技术与自动化,2021,40(3):177-183. |
| |
| 作者姓名： | 陈昌娜 李昭桦 |
| |
| 作者单位： | 广州供电局有限公司,广东 广州 510600;中国能源建设集团 广东省电力设计研究院有限公司,广东 广州 510600 |
| |
| 摘 要： | 随着SDN网络应用的推广,SDN网络的安全也越来越受到重视,基于模式识别的网络入侵检测由于无法一次性收集完备的训练数据集,使得对未知的入侵行为识别率不高.为提高入侵检测系统的自适应性,提出了增量集成学习算法,并用该算法解决SDN入侵检测问题.该算法利用滑动窗口法获得数据块,对新的数据块进行训练获得子分类器,然后依据在历史数据块和当前数据块的分类结果筛选子分类器进行集成,使得分类模型不断完善从而能够自适应的识别未知攻击行为.通过在NSL-KDD数据集上的实验结果可以看到,该算法可以提高未知攻击的识别率.
|
| 关 键 词： | 增量学习 集成学习 入侵检测 软件定义网络 |
A Aynamic Adaptive SDN Intrusion Detection Method Based on Incremental Ensemble Learning |
| |
| CHEN Chang-na,LI Zhao-hua.A Aynamic Adaptive SDN Intrusion Detection Method Based on Incremental Ensemble Learning[J].Computing Technology and Automation,2021,40(3):177-183. |
| |
| Authors: | CHEN Chang-na LI Zhao-hua |
| |
| Abstract: | |
| |
| Keywords: | incremental learning ensemble learning intrusion detection software defined network |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算技术与自动化》浏览原始摘要信息 |
|
点击此处可从《计算技术与自动化》下载全文 |
|
