典型文献
共形预测框架下的高可靠入侵检测算法
文献摘要：
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.
文献关键词：
共形预测;入侵检测;高可靠性;机器学习;置信值;不一致测量
中图分类号：
作者姓名：
金海波;赵欣越
作者机构：
辽宁工程技术大学软件学院,辽宁葫芦岛125105
文献出处：
引用格式：
[1]金海波;赵欣越-.共形预测框架下的高可靠入侵检测算法)[J].计算机工程,2022(07):130-140
A类：
共形预测,AWID,不一致测量
B类：
入侵检测算法,安全领域,基于机器学习,置信值,机器学习算法,数据分类,可信度,网络数据,平滑因子,因子改进,value,DT,KDD,CUP99,分类准确率,百分点,高可靠性
AB值：
0.180286
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
