计算机工程

作者：金海波, 赵欣越

单位：辽宁工程技术大学 软件学院, 辽宁 葫芦岛 125105

关键词：共形预测,入侵检测,高可靠性,机器学习,置信值,不一致测量

基金：国家自然科学基金（62173171）；辽宁省教育厅项目（LJYL050）；辽宁工程技术大学创新团队项目（LNTU20TD-31）；辽宁工程技术大学博士启动项目（LNTU14-1100）。

入侵检测算法广泛应用于网络安全领域，然而现有基于机器学习的入侵检测算法仅输出数据的预测结果标签，缺少对预测结果置信值的评价机制，难以确保预测结果的可靠性。提出一种基于共形预测的高可靠入侵检测算法。将共形预测融入到传统机器学习算法中，得到数据分类标签和对应的置信值、可信度，提高网络数据分类的可靠性。通过对网络数据进行数字化、标准化和降维预处理，根据传统机器学习算法的特点，设计在共形预测框架下与各算法相对应的不一致得分计算公式，并引入平滑因子改进p-value的计算公式，使其能够以更平滑的方式计算预测结果p-value，提高算法的稳定性。实验结果表明，与单独采用SVM、DT和DT-SVM算法相比，该算法在KDD CUP99数据集上分类准确率分别提高11.1、4.6和3.7个百分点，在AWID数据集上分类准确率分别提高4.0、2.5和1.3个百分点，可保证入侵检测结果的高可靠性。

来源：2022年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第7期