%0 Journal Article %A 胡健 %A 黄文载 %A 刘玉婷 %A 苏永东 %A 肖鹏 %A 杨本富 %T 基于互信息加权集成迁移学习的入侵检测方法 %D 2019 %R 10.11772/j.issn.1001-9081.2019040730 %J 计算机应用 %P 3310-3315 %V 39 %N 11 %X 入侵检测系统(IDS)已成为网络安全体系结构中的必要组成部分。在面对现代网络安全需求时,现有的入侵检测方法的可行性和持续性仍然存在提高空间,主要体现在更早地发现入侵威胁和提高入侵检测系统的检测精准度,为此提出一种基于互信息加权的集成迁移学习(ETL)入侵检测方法。首先,通过迁移策略对多组特征集进行建模;然后,使用互信息度量在迁移模型下特征集在不同域中的数据分布;最后,根据度量值对多个迁移模型进行集成加权,得到集成迁移模型。该方法通过学习新环境下的少量有标记样本和以往环境下的大量有标记样本的知识,可以建立效果优于传统非集成、非迁移的入侵检测模型。使用基准NSL-KDD数据集对该方法进行评估,实验结果表明,所提方法具有良好的收敛性能,并提高了入侵检测的精准率。 %U http://www.joca.cn/CN/10.11772/j.issn.1001-9081.2019040730