几种机器学习方法在IDS中的性能比较.pdfVIP

第”卷第8期 计算机仿真 2010年8月 文章编号：1006-9348(2010)08—0092一03 几种机器学习方法在IDS中的性能比较 汪世义h2，陶亮1．王华彬1 (1．安徽大学智能计算与信号处理教育部重点实验室，安徽合肥230039； 2．巢湖学院计算机系，安徽巢湖238000) 摘要：入侵检测是一种保障网络安全的新技术，传统的入侵检测方法存在误报漏报及实时性差等缺点，将机器学习的技术引 入到入侵监测系统之中以有效地提高系统性能具有十分重要的现实意义。将目前主要的基于机器学习的贝叶斯分类的方 法、神经网络的方法、决策树方法与支持向量机的方法应用于入侵检测系统中，以kdd99公共数据集进行了仿真实验，仿真 测试结果表明支持向量机方法(SVM)和神经网络方法具有较好的分类识别性能，适合用于入侵检测。 关键词：网络安全；机器学习；入侵检测系统 中图分类号：TP309．2文献标识码：A Performance ofSeveralMachine Comparison Learning MethodsforIntrusionDetection WANG Hua—binl Shi—yil’，TAOLian91，WANG Labof Anhui (1．MOEKey IntelligentComputingSignalProcessing，AnhuiUniversity，Hefei230039，China； ofChaohu Anhui 2．ComputerDepartmentCollege，Chaohu238000，China) DetectionMethodisanew network traditionalintrusion ABSTRACT：Intrusion emerging securitytechnology．The detectionhave false itis tointroducemachine intointrusiondetec— systemshigh negativerate，80important learning tion to the this machine methods the systemsimproveperformance．Inpaper，currendypopular learning including neuralnetwork decisiontreemethodandthe Vector method，the method，the Bayes Support are to withthedataset intrusiondetection kdd99showthatthemethodSVMandthe applied system．experiments neuralnetworkmethodhavebetter anda弛moresuitableforintrusiondetection． performance