文献类型：期刊文献

中文题名：基于小波变换和极限旋转森林算法的入侵检测模型

英文题名：Intrusion detection model based on wavelet transform and extreme rotation of forest algorithm

作者：刘利群[1];项顺伯[2];王晗[1]

机构：[1]广东海洋大学数学与计算机学院;[2]广东石油化工学院计算机与电子信息学院

年份：2018

卷号：38

期号：3

起止页码：77

中文期刊名：南京邮电大学学报：自然科学版

收录：CSTPCD、、北大核心2017、Scopus、北大核心

基金：广东省自然科学基金(2017A030307027);广东省科技计划(2015B010128015)资助项目

语种：中文

中文关键词：入侵检测;旋转森林算法;小波变换;极限学习机;稳定性

外文关键词：intrusion detection;rotation of forest （ DOF ） algorithm;wavelet transform;extreme learning machine （ELM）;stability

中文摘要：针对入侵检测系统存在性能不稳定等问题,结合旋转森林算法(Rotation of Forest,ROF)和极限学习机(Extreme Learning Machine,ELM)提出了一种新的入侵检测模型ROF-ELM。该算法首先提出入侵检测的评价指标,并综合小波变换来对评价指标建立刻画方法,同时利用ROF-ELM对训练集进行处理,将得到的样本类标进行训练输出,以此提高检测效率。最后,利用MATLAB进行仿真实验,深入研究了在该算法下的入侵检测性能,结果发现ROF-ELM具有较好的适应性,在分类结果和预测正确率等方面性能更佳。

外文摘要：To mitigate instability performance problem of forest（ROE） algorithm with the extreme learning model ROE-ELM is proposed. The evaluation indexes of an intrusion detection system, combined rotation machine （ELM）, an improved intrusion detection are depicted with ROF-ELM. Then,the training set and sample training class standard are taken with ROF-ELM for improving the detection efficiency. Finally, the simulation experiments are conducted with MATLAB, and the intrusion detection performance of the algorithm is studied. Experimental results show that ROF-ELM has better adaptability, and better per-formance on classification results and the prediction accuracy.