資源描述：
《基于改進(jìn)決策樹算法的入侵檢測方法》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、基于改進(jìn)決策樹算法的入侵檢測方法桂林電子科技大學(xué)計(jì)算機(jī)與信息安全學(xué)院桂林電子科技大學(xué)廣西云計(jì)算與復(fù)雜系統(tǒng)高校重點(diǎn)實(shí)驗(yàn)室桂林電子科技大學(xué)廣西云計(jì)算與大數(shù)據(jù)協(xié)同創(chuàng)新中心摘要：針對異常檢測技術(shù)中C4.5算法屬性選擇偏向具有更多數(shù)值屬性的問題，提岀基于改進(jìn)決策樹算法的入侵檢測方法。通過添加平衡因子及融合數(shù)學(xué)極限思想，利用屬性的數(shù)量確定平衡因子，同時(shí)利用洛必達(dá)法則對計(jì)算進(jìn)行簡化，重新設(shè)計(jì)信息増益率計(jì)算方法，優(yōu)化了屬性選擇機(jī)制，改善了原算法屮的屬性選擇偏向多數(shù)值屬性的現(xiàn)象。實(shí)驗(yàn)結(jié)果表明，基于改進(jìn)決策樹算法對流量識別具有良好的識別效果。關(guān)鍵詞
2、：入侵檢測；流量識別；決策樹;平衡因子;作者簡介：王勇(1964-),男，四川南充人，教授，博士，研究方向?yàn)樵朴?jì)算、計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)及應(yīng)用、信息安全等。E-mail:ywang@guet.edu.cn收稿日期：2017-04-15基金：國家自然科學(xué)基金(6166201&61661015,61163058)AnintrusiondetectionmethodbasedonimproveddecisiontreealgorithmJIANGXiaoweiWANGYongSchoolofComputerandInformstionSec
3、urity,GuilinUniversityofElectronicTechnology;Abstract：C4.5attributeselectionhasmorenumericalattributesinanomalydetectiontechnology,soanintrusiondetectionmethodbasedonimproveddecisiontreealgorithmisproposed.Byaddingthebalaneefactorandtheideaoffusingthemathematicallimi
4、t,theequilibriumfactorisdeterminedbythenumberofattributes.ThecalculationmethodissimplifiedbyLobidarule.Theinformationgainratemethodisusedtooptimizetheattributeselectionmechanismandimprovetheattributeselectionbiasintheoriginalalgorithm.Theexperimentalresultsshowthatth
5、eimproveddecisiontreealgorithmhasagoodrecognitioneffectontrafficidentification.Keyword：inirusiondetection;trafficidentification;decisiontree;balancefactor;Received：2017-04-15入侵檢測山是通過收集和分析網(wǎng)絡(luò)行為、安全H志、審計(jì)數(shù)據(jù)、其他網(wǎng)絡(luò)的信息及計(jì)算機(jī)關(guān)鍵節(jié)點(diǎn)的信息，檢查是否有違反網(wǎng)絡(luò)安全及1的行為。入侵檢測主要包括基于主機(jī)的入侵檢測和基于網(wǎng)絡(luò)的入侵檢測。決
6、策樹算法屬于機(jī)器學(xué)習(xí)ai算法的一種。決策樹是通過一種樹形結(jié)構(gòu)對數(shù)據(jù)進(jìn)行分類的分類方法，其屮每個(gè)非葉子節(jié)點(diǎn)表示不同的屬性進(jìn)行的數(shù)據(jù)分割規(guī)則，而每生長出一個(gè)樹枝代表所產(chǎn)生的輸出，不同的葉子節(jié)點(diǎn)表示不同類別。近年來，數(shù)據(jù)挖掘回技術(shù)飛速發(fā)展，給入侵檢測帶來了新的啟示。因此，可利用數(shù)據(jù)挖掘中機(jī)器學(xué)習(xí)算法進(jìn)行入侵檢測。此方法通過決策樹算法，進(jìn)行一種有監(jiān)督［5］的入侵檢測。入侵檢測算法分為誤用檢測、異常檢測和人工智能檢測。Khan等血提出基于無量綱P2P網(wǎng)絡(luò)的支持向量機(jī)（SVM）的協(xié)作分類方法（TRedSVM）,以可容忍的通信增加為代價(jià)改進(jìn)整
7、體分類性能，使其優(yōu)于基準(zhǔn)的模型傳播方法。Pajouh等￡21提出一種基于機(jī)器學(xué)習(xí)的2層分類模型的方法，2層模型由于最優(yōu)的維度和特征，從而縮短了計(jì)算吋間，口對復(fù)雜的攻擊類型具有良好的檢測率。Ardiansya等宜結(jié)合神經(jīng)網(wǎng)絡(luò)和決策樹，使用決策樹提取規(guī)則，提高了算法精度。Li等回提出一種因果決策樹（CDT）,其節(jié)點(diǎn)具有因果解釋，且CDT算法是可擴(kuò)展的，識別方法可在保持較高精度的同時(shí)顯著提升其執(zhí)行效率，達(dá)到提升入侵檢測性能的目的。C4.5算法是一-種改進(jìn)的TD3算法［10-11］,屬于一種貪心算法［12］。C4.5算法在給定的n個(gè)數(shù)據(jù)
8、對彖集合內(nèi)，根據(jù)信息增益率［13］的高低,將信息增益率最高作為劃分規(guī)則，每次劃分都遵循信息增益率規(guī)則，生成決策樹。從入侵檢測的角度分析，找到一個(gè)合適的分類算法，有助于快速且準(zhǔn)確對數(shù)據(jù)進(jìn)行劃分。為此,將平衡因子思想和數(shù)學(xué)極限思想引入C4.5算法，提出基于改進(jìn)決策樹
