摘要：网络异常检测技术是入侵检测领域研究的热点和难点内容，目前仍然存在着误报率较高、对建立检测模型的数据要求过高、在复杂的网络环境中由于“噪音”的影响而导致检测率不高等问题．基于改进的TCM—KNN（transductiveconfidencemachilieSforK-nearestneighbors）置信度机器学习算法，提出了一种网络异常检测的新方法，能够在高置信度的情况下，使用训练的正常样本有效地对异常进行检测．通过大量基于著名的KDDCup1999数据集的实验，表明其相对于传统的异常检测方法在保证较高检测率的前提下，有效地降低了误报率．另外，在训练集有少量“噪音”数据干扰的情况下，其仍能保证较高的检测性能；并且在采用“小样本”训练集以及为了避免“维灾难”而进行特征选取等优化处理后，其性能没有明显的削减，

原文链接:http://www.cqvip.com//QK/96857X/200710/25591496.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）