科创中国

电子信息技术

现有无监督学习和有监督学习在入侵检测领域的应用技术上存在不 足之处，本成果提供一种基于半监督学习的入侵检测方法，采用了特征选择的方法处理网络环境数据中容易出现的冗余现象，利用少量带标签样本与大量未标记的数据来创建半监督学习模型，在降低误报率、提高检测率的同时，能够减少数据冗余，提高检测效率。

市场应用预测中主要具有下述优点： 1、使用基于特征选择的半监督学习方法，结合 LapSVM 算法的优点，保证了在实际入侵检测过程中不但能保证较高的准确率，同时最大限度地降低了假阳性率，避免给系统造成额外的开销。 2、基于半监督学习的成果，避免了标记大量数据的高昂成本代价，充分利用大量的未标记入侵检测数据样本，为分类器的训练提供了大量有效的样本分布信息。同时结合特征选择的优势，进一步优化训练数据，减小系统开销，通过基于 LapSVM 的半监督训练过程，实现了较高的检测效率。 3、基于离散化的训练数据样本计算特征空间中各个特征值的信息增益，信息增益能实现机器学习领域的信息重要性评价，有助于减少数据集中的冗余特征，提高分类效率。

朱培栋，男，1971年5月出生，博士，教授，2011年起任国防科技大学计算机学院博士生导师，现任长沙学院电子信息与电气工程学院院长，信息与通信工程省重点应用特色学科带头人，湖南省光电健康检测工程技术研究中心主任。IEEE（国际电气电子工程师协会）通信学会高级会员，中国电子学会首届云计算专家委员会专家，中国计算机学会互联网专委会和物联网专委会委员；曾任加拿大圣泽威尔大学James客座讲席教授；2014年全国复杂网络大会副主席。主要研究新一代互联网、网络安全、网络科学和网络思维。先后负责20余项国家和部委级等科研课题，作为第一完成人，授权发明专利19项，登记软件著作权7项，获全国发明博览会铜奖一项。获部委级科技进步奖2项。独立专著1部，合著合译学术著作9部，发表学术论文220余篇，SCI/EI索引160余篇；出版教材2部，教学研究著作1部，发表教学研究论文20篇，其中2篇为封面论文，获评《计算机教育》杂志创刊15周年“十佳作者”。“计算机网络”国家级精品课程主讲教师，网络思维的系统阐释者和积极倡导者，获部委级教学成果一等奖1项；指导博士硕士生80余名，2人获省部级优秀学位论文。