张康宁，廖光忠

(1.武汉科技大学计算机科学与技术学院，湖北 武汉 430081；2.武汉科技大学智能信息处理与实时工业系统湖北省重点实验室，湖北 武汉 430081)

0 引言

网络信息时代为人们的生活和工作提供了诸多便利，与此同时网络安全问题也逐渐受到人们的关注.防火墙作为一种传统的网络安全技术，通过在网络边界建立相应的网络通信监控系统来隔离内部和外部网络，以阻挡来自外部的网络入侵.但防火墙是一种被动防护技术，面对日益隐蔽且复杂的网络攻击难以形成有效的保护.网络入侵检测作为一种主动防护手段，通过收集和分析网络行为、安全日志及审计数据等，检测网络中潜在的攻击行为，能够在网络系统受到危害前实现拦截和响应入侵，提供对外部攻击、内部攻击和误操作的实时保护.

机器学习的发展为解决网络入侵提供了广阔的思路.根据检测方法不同，入侵检测一般分为误用检测和异常检测.误用检测根据先验知识对攻击行为进行判断，通过特征库对比识别异常或潜在的入侵威胁，常用方法有专家系统、条件概率等[1].此类方法对已知类型的攻击具有很高的检测精度，但受限于先验知识，对未知的入侵行为无法检测，需要人为更新数据库[2].异常检测[3]则是通过对网络中正常行为的普遍特征进行概括，建立入侵检测模型，当网络中的行为偏离此模型时，被判定为网络入侵行为，生成警告，常用方法有统……