文献类型：期刊文献

中文题名：基于标称变量向量化处理的网络入侵检测算法

英文题名：A Network Intrusion Detection Algorithm Based on Nominal Variables Vectorization

作者：李玉霞[1];刘丽[2]

第一作者：李玉霞

机构：[1]北京联合大学商务学院;[2]北京联合大学生物化学工程学院

第一机构：北京联合大学商务学院

年份：2014

卷号：30

期号：2

起止页码：99-101

中文期刊名：科技通报

外文期刊名：Bulletin of Science and Technology

收录：CSTPCD;;北大核心:【北大核心2011】；

基金：北京高等教育学会"十二五"高等教育科学研究规划课题(BG125YB069)

语种：中文

中文关键词：网络链接;标称属性;离散化;向量化

外文关键词：network link;nominal attributes;discretization;vectorization

摘要：网络链接记录存在大量的标称属性,传统的入侵检测方法直接将这些标称属性做离散化处理,破坏了标称属性的无序性,使得检测效果不够理想。为此提出了一种基于标称变量向量化的网络入侵检测算法。该算法首先对网络链接记录中的标称属性进行特殊的向量化处理,然后在处理后的数据集上进行入侵检测。通过对标称属性做向量化处理既对标称属性实现了数值化,同时又保持了标称属性的无序性。在KDD CUP 99数据集上的仿真实验表明本文所提算法具有较高的检测率和较低的误警率。
The network link records exist many nominal attributes. As traditional intrusion detection methods do dis-cretization on these nominal attributes directly, the disorder of the nominal attributes is destructed. Thus the diction effect of traditional intrusion detection methods is not satisfied. In this paper, we propose a network intrusion detection algo-rithm based on nominal variables vectorization. The proposed algorithm firstly do vectorization for the nominal attributes. Then perform intrusion detection on the dataset treated. On one side, the vectorization makes the numeralization of the nominal attributes come true; On the other side, it maintains the disorder of the nominal attributes. Simulation results show that the proposed algorithm has higher detection rate and low false alarm rate on the KDD CUP 99 data set.