声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：31-1289/TP
国际刊号：1000-3428
发布日期:
作者：张玲, 张建伟, 桑永宣, 王博, 侯泽翔
单位：郑州轻工业大学 软件学院, 郑州 450002
关键词：入侵检测,随机森林,人工免疫,克隆选择算法,随机抗体森林
基金：国家自然科学基金（61502436，61672471）；郑州轻工业大学博士基金（2014BSJJ084）。
传统入侵检测方法对Probe、U2R、R2L等网络入侵攻击类型的检测率较低，存在对入侵行为的误检和漏检。为此，提出一种基于随机森林与人工免疫的入侵检测算法。设计随机抗体森林检测策略，针对小样本数据集，采用克隆选择算法保证抗体的优良性，提高攻击的检测率，通过将识别为入侵行为的抗原注入抗体集，以平衡抗原的检测率和误报率。仿真结果表明，该算法的检测率为94.1%，高于Probe的93.79%、U2R的91%与R2L的85%，且具有较低的误报率。
来源：2020年第8期
《计算机工程》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。