研究型论文_T-DFNN:一种用于入侵检测系统的增量学习算法(英文论文)
文章目录
- T-DFNN: An Incremental Learning Algorithm for Intrusion Detection Systems
- 论文摘要
- 论文解决的问题
- 1.T-DFNN结构
- 2.树的节点结构
- 3.训练过程
- 4.分类过程
- 总结
T-DFNN: An Incremental Learning Algorithm for Intrusion Detection Systems
论文摘要
近年来,机器学习已成为构建可靠入侵检测系统(ids)的一种流行算法。然而,大多数模型是静态的,使用包含所有目标入侵的数据集进行训练。如果出现新的入侵,这些训练的模型必须使用新旧数据集重新训练,以准确分类所有的入侵。在现实世界中,新的威胁不断出现。因此,当这些新的入侵出现时,用于入侵防御的机器学习算法应该具有增量学习的能力。
为了解决这个问题,我们提出了T-DFNN。T-DFNN是一种能够在入侵出现时逐步学习新入侵的算法。T-DFNN模型是由多个深度前馈神经网络(DFNN)模型以树状结构连接而成。
我们使用CICIDS2017对我们提出的算法进行了检验,CICIDS2017是一个开放的、广泛使用的网络入侵数据集,涵盖了良性流量和最常见的网络入侵。实验结果表明,T-DFNN算法能够渐进地学习新的入侵,降低灾难性遗忘效应。T-DFNN模型在每个再训练过程中的f1评分宏观平均值均在0.85以上。
此外,与其他模型相比,我们提出的T-DFNN模型在几个方面有一定的优势。与使用仅包含最新目标入侵数据集训练的DFNN和Hoeffding树模型相比,我们提出的T-DFNN模型具有更高的f1得分。
此外,与使用包含所有目标入侵的数据集训练的DFNN模型相比,我们提出的T-DFNN模型的训练时间显著缩短。尽管有几个因素会影响训练过程的持续时间,但T-DFNN算法在解决不断变化的网络入侵变种问题上显示出了很好的结果。
论文解决的问题
创新点在于提出了一种动态模型,如果有新的攻击类型产生,该模型可以自动学习并产生较好的分类效果。
1.T-DFNN结构
注意点:两个判断
1.如果有训练好的模型就直接调用即可。保证了该模型对原来数据集中的攻击类型保留了分类能力。
2.如果有新的训练数据,就在原有的训练模型上进行增量训练。保证了该模型对新攻击类型的分类能力。
2.树的节点结构
节点中包含:一个DFNN模型、键值对集合{<对训练数据的分类结果,孩子节点(可为空)>,<>…}
节点类的定义:
说明 :
包含2个属性:DFNN模型、键值对映射map
包含5个函数:
(1)该节点的构造函数
(2)DFNN模型的训练函数Train
(3)DFNN模型的分类函数Classify
(4)根据**键(分类得到的label)得到值(孩子节点)**的函数GetLinkedNode
(5)设置键值对的函数SetLinkedNode
3.训练过程
辅助函数:SelectTrainingData
训练集实例为X,标签为Y。YC为训练集X经过某个节点的DFNN模型分类后的得到的Label列表。L为YC中Label的某一个类型的值。该函数的作用:从样本集(X,Y)中选出被DFNN模型分类后的标签为L的样本。(注意该样本可能有标签不为L的样本,因为该节点的DFNN模型可能并不能对X中的每一个实例准确无误的分类)
训练函数:INCREMENTALTRAINING
函数流程说明:(构造树的过程,返回根节点)X:训练集实例、Y:训练集标签、N:树节点
(1)如果该节点为空,则创建一个节点,并训练样本集(X,Y),然后结束,返回N。
(2)如果不为空,则先对X进行一个分类,得到YC作为分类结果
(3)对于YC中的每一个类型L:从(X,Y)中选择被分类为L的样本,组成样本集合(XL,YL)。对于该样本集中标签不是L的样本,调用GetLinkedNode函数得到与L匹配的孩子节点LinkedN。
1)如果LinkedN不为空,则开始递归(重复(2)(3));
2)如果LinkedN为空(表示没有与L匹配的孩子节点),则开始递归,创建一个新的孩子节点(重复(1)),并用SetLinkedNode建立与父节点的链接。
(4)结束,返回N
4.分类过程
辅助函数:SelectData、UpdateLabel
SelectData函数作用:挑选出X中被DFNN分类为L的样本集合,并用YI作为索引集合。
UpdateLabel函数作用:根据索引来更新上一次被判断为L的样本集合的Label分类函数Classification
函数流程说明:首先对测试集X进行分类(用根节点的DFNN),得到YC作为分类好的结果。对于YC中的每一个类型L,得到它对应的孩子节点LinkedN。1)如果LinkedN为空,表示不需要在深层分类了,遍历一下一个L。
2)如果LinkedN不为空,表示需要深层分类,那么就要调用SelectData把X中被判断为L的样本挑选出来,并做好索引标记,记为YI,便于之后按照索引来更新这些样本的Label。然后对挑选出来的样本再进一步分类(用根节点的标签L对应的孩子节点的DFNN)。递归操作。
总结
创新点:提出了一种增量模型
研究型论文_T-DFNN:一种用于入侵检测系统的增量学习算法(英文论文)相关推荐
- 【论文阅读】一种用于消歧和语义表示的统一模型 A Unified Model for Word Sence Representation and Disambiguation
[论文阅读]一种用于消歧和语义表示的统一模型 A Unified Model for Word Sence Representation and Disambiguation 问题 解决方案 模型搭建 ...
- 论文浅尝 | 一种用于多关系问答的可解释推理网络
论文笔记整理:谭亦鸣,东南大学博士生,研究方向为跨语言知识图谱问答. 来源:COLING 2018 链接:https://www.aclweb.org/anthology/C18-1171 问题背景与 ...
- 论文浅尝 | 一种用于新闻推荐的深度知识感知网络
Citation: Wang H, Zhang F, Xie X, et al. DKN: Deep Knowledge-Aware Networkfor News Recommendation[J] ...
- 深度搜索(DFS),一种用于遍历和搜索的算法
先上百度对深度搜索的定义: 如果上边的定义没有理解,那么可以这样认为:深度搜索就是一种试探性的算法,例如你在一个十字路口想要去到某地,但是你又不认识具体的路(并且你不善言辞,万事不求人),那么你只能先 ...
- 研究型论文_基于特征值分布和人工智能的网络入侵检测系统的研究与实现
文章目录 基于特征值分布和人工智能的网络入侵检测系统的研究与实现 论文摘要 论文解决的问题 1.系统框架 2.数据集样例处理流程 3.DSM中定义的一些评分机制 4.训练过程模拟(重点来了) 总结 基 ...
- 论文笔记:一种适用于NILM的暂态事件检测算法(滑动窗双边CUSUM)
目录 1. 前言 2. 双边CUSUM算法原理 3. 引入滑动窗 4. 算法参数 5. 算法流程 6. Next Action 1. 前言 本文是对以下论文的阅读笔记,附有一定的解读和思考. 牛卢璐, ...
- 计算机英语新词的认知语义阐释论文,计算机英文专业论文题目 计算机英文论文题目怎样定...
[100道]关于计算机英文专业论文题目汇总,作为大学生的毕业生应该明白了计算机英文论文题目怎样定,选一个好的题目后续的计算机英文论文写作起来会更轻松! 一.比较好写的计算机英文论文题目: 1.关于高等 ...
- 嵌入式论文3000字_SCI英文论文一般多少字
SCI英文论文一般多少字?关于SCI英文论文字数并没有明确的标准,导致所发表的SCI英文论文,字数从几千到几万之间不等.作者应该根据具体SCI期刊的要求,调整英文论文字数,以免影响到发表. SCI英文 ...
- 综述论文要写英文摘要吗_英文论文的写作讲解 写好英文论文要注意这三点
英文论文该如何修改呢 Foreign paper writing English paper how to modify it 英文论文完成后该如何修改 很多留学生在写完英文论文后就什么都不管了,其实 ...
最新文章
- 01_SMC_Calling_Convention(SMCCC)
- 【NOIP2015模拟10.22】最小代价
- 狄斯奎诺算法 c语言,图的邻接表实现迪杰斯特拉算法(C语言).doc
- 剑指offer之56-60题解
- iis同时运行asp和php,服务器IIS同时支持ASP和PHP
- java jni 原理_JNI的实现原理
- 深入理解Docker Volume(一)
- 【分享创造】react-typewriter-hook: 用react hooks来实现打字机的效果
- Nowcoder deco的abs
- linux ftp mysql_linux搭建ftp服务——未连接mysql数据库的做法
- “赤膊贪凉”要不得 多喝蜜水防“秋燥”
- (PC+WAP)绿色小学学校网站源码 pbootcms中小学教育培训机构网站模板
- 网站备案相关问题解答
- 奥本大学计算机专业GRE成绩,美国大学GRE分数要求汇总贴,你的目标学校要求多少分?...
- flutter 生成图片保存到手机相册
- 大脑的无限存储与记忆传输
- PEPL命令-交互式解释器
- 9 EDA实用技术与教程【Verilog深入】
- FHC2022食饮魅力 势不可挡
- 3个窗口卖票java_三个窗口同时卖火车票,如何用代码将该场景实现?