计算机研究与发展

作者：任家东,刘新倩,王倩,何海涛,赵小林,

关键词：网络安全, 入侵检测系统, KNN离群点检测, 随机森林模型, 多层次,

入侵检测系统能够有效地检测网络中异常的攻击行为，对网络安全至关重要.目前，许多入侵检测方法对攻击行为Probe(probing)，U2R(usertoroot)，R2L(remotetolocal)的检测率比较低.基于这一问题，提出一种新的混合多层次入侵检测模型，检测正常和异常的网络行为.该模型首先应用KNN(Knearestneighbors)离群点检测算法来检测并删除离群数据，从而得到一个小规模和高质量的训练数据集；接下来，结合网络流量的相似性，提出一种类别检测划分方法，该方法避免了异常行为在检测过程中的相互干扰，尤其是对小流量攻击行为的检测；结合这种划分方法，构建多层次的随机森林模型来检测网络异常行为，提高了网络攻击行为的检测效果.流行的数据集KDD(knowledgediscoveryanddatamining)Cup1999被用来评估所提出的模型.通过与其他算法进行对比，该方法的准确率和检测率要明显优于其他算法，并且能有效地检测Probe，U2R，R2L这3种攻击类型.

来源：2019年第3期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2019年第3期