文献类型：期刊文献

中文题名：增量式健壮主成分分类器的无监督异常检测方法研究

英文题名：Novel unsupervised anomaly detection based on incremental and robust principal component classifier

作者：李洁颖[1];孙英[2]

第一作者：李洁颖

机构：[1]河南财经学院信息学院;[2]郑州铁路职业技术学院

第一机构：河南财经政法大学计算机与信息工程学院

年份：2010

卷号：46

期号：22

起止页码：117-120

中文期刊名：计算机工程与应用

外文期刊名：Computer Engineering and Applications

收录：CSTPCD;;北大核心:【北大核心2008】；CSCD:【CSCD2011_2012】；

语种：中文

中文关键词：异常检测;无监督;主成分分类器;健壮性;增量式

外文关键词：anomaly detection;unsupervised;principal component classifier;robustness;incremental

摘要：传统的入侵检测算法对数据集的研究都是针对静态训练数据的,对于动态数据却显得无能为力。但在实际应用中,入侵行为层出不穷,入侵检测系统应能对新的入侵行为进行增量学习。为了解决该问题,在前期工作的基础上,提出一种基于增量式分类器的无监督异常检测方法;实验表明:该方法在训练数据为动态情况下,能够有效检测未知入侵,在检测率、误警率方面都达到较满意的结果,并在效率上有较大提高。
Traditional intrusion detection methods are based on static data, and it cannot handle incremental data.However, new intrusion behaviors emerge endless.IDSs are required to learn the new types of intrusion.A novel scheme based on incre- mental principle component classifier is proposed.The experiments show that this approach can detect unknown intrusions more effectively,has a belter performance in detection rate and false positive rate and the efficiency is improved at a cer- tain extent even when the train data is incremental.