董燕辉，肖军弼，张红霞，杨勇进，计志滨

(1.中国石油大学(华东)计算机科学与技术学院,山东 青岛 266580；2.胜利油田物探研究院信息技术研究室,山东 东营 257022)

0 引 言

随着互联网技术的飞速发展，基于局域网的应用系统层出不穷，在涉及国家资产和安全的重要领域，及时发现并监管这些应用系统对提升企业网络安全至关重要[1-3]。目前油田局域网内应用系统众多，存在登记不完全、IP变动频繁等问题，很难及时发现并对所有应用系统进行监测，为信息化部门的监管监控带来了极大的不便。为此，应用系统的自动化识别对于油田内应用的安全运行起到了重要的作用。基于网页的应用系统被湮没在海量的Web网页资源中，从中自动化识别少量的应用系统[4-6]是一个典型的类别不平衡问题[7-8]，不平衡数据会导致分类器偏向多数类，从而影响分类效果。因此，如何在不平衡数据情况下解决应用系统的自动化识别具有重要意义。

近年来，针对数据不平衡问题的研究逐渐成为热点，王超学等人[9]将支持度和轮盘赌选择引入SMOTE提出了SSMOTE方法，结合K最近邻(K-Nearest Neighbor， KNN)分类方法证明了其有效性。覃朗等人[10]提出了基于信息增益理论的关键指标扩展方法进行过采样,并结合支持向量机(Support Vector Machine, SVM)分类算法对指标寻优来确定最终分类结果。王忠震等人[11]提出基于改进SMOTE和AdaBoost算法相结合的不平衡数据分类算法(KSMOTE-AdaBoost)，平衡了类内与类间数据。虽然以上方法在一定程度上提高了SMOTE的采样效果，但还存在以下不足：1)改进的采样倍率依赖于样本个体的分布特点，对于噪声数据不能很好地处理；……