李麒鑫

（上海电力大学计算机科学与技术学院 上海市 200000）

随着机器学习的发展，其在入侵检测中的应用在近年来也越来越广，其在恶意流量的识别上有着十分广泛的应用。但是基于机器学习的方法本质上还是属于浅层的学习，他更多地是侧重在特征的选择过程。而特征选择，一直是传统的机器学习方法在入侵检测上存在困难的点。因为其在对于入侵事件的分类上检测不够有效，所以在入侵事件的识别上，整体无法得到较高的准确率。

今年来，机器学习与网络安全领域有着良好的结合，运用机器学习算法构建入侵检测模型能够有效提升网络安全。

1 入侵检测系统概述

入侵检测技术[1]是一种主动而积极的网络安全技术，它可以对于网络环境做实时的侦查，对于可能出现的异常网络状态做出及时而又有效的反应和警示，通过一些物理方面硬件以及软件操作中的空挡加入一些额外的静态防御措施，以弥补网络中可能存在的漏洞和不足。与此同时，随着入侵检测技术的发展与不断迭代，其在现代社会的网络安全体系中扮演的角色也越来越重要。入侵检测系统（Intrusion Detection System,IDS）通过对于网络结构和互联网系统中非法的访问事件和恶意入侵进行模式识别[5]，并根据其访问事件找到相应规律，另一方面实时数据处理可以检测不同的网络入侵状态，入侵检测系统根据这些状态找到相应的应对措施，从这个层面讲，其对于网络结构和互联网系统中的安全可靠防护进入到了实时级别，达到了全面的检测与防护的目的。……