周丽娟

(山西财经大学实验教学中心,山西太原030006)

网络的飞速发展给社会带来了很大的进步，但同时也带来了很多的安全问题，出现了各类安全事件。因此，如何保证网络的安全，以及避免各类网络入侵事件的发生，是人类社会关注的焦点。由防护、检测、反应和恢复4个部分构成了防御体系的第一道防线，而入侵检测则是作为对第一道防线进行补充的第二道防线，是网络安全防护体系的重要方法和技术[1-4]。

现有的入侵检测方法主要有：基于特征选择的入侵检测方法，基于AdaBoost的入侵检测方法、基于聚类的入侵检测方法和基于全局优化算法的入侵检测方法。文献[5]提出了一种基于特征选择的入侵检测方法，利用不同的离散化和特征选择算法构成具有差异性的特征子集，并对特征子集进行归一化处理，然后分类算法对特征进行建模。文献[6]提出了一种结合主动学习和半监督学习的入侵检测方法。采用有标记的样本来训练2分类器，采用与2分类不一致的样本和半监督学习算法来学习分类器，直到所有样本完毕。文献[7]提出了一种改进人工蜂群算法的异常入侵检测方法，在蜜源阶段采用不同编码方式来编码参数和特征值，通过两种搜索策略来搜索，通过在适应值函数中加入误报率影响因子。文献[8]提出了一种对监控系统传回的视频图像进行目标识别的入侵方法，提出了一种基于改进卷积神经网络的行人检测算法，通过将浅层特征融入深层特征，最后再利用Softmax来分类。……