17、人工智能方法在网络攻击检测与入侵检测系统中的应用

人工智能方法在网络攻击检测与入侵检测系统中的应用

1. 人工智能用于网络攻击检测的实验设置

在网络攻击检测中，为了评估不同模型和方法的性能，进行了一系列实验。实验使用了DARPA 1998数据集，该数据集虽广泛用于网络攻击检测方法的研究，但因其合成性质受到了严重批评。研究提取了100多个参数，主要是统计参数，排除了那些不能反映异常存在与否的字段，比如IP头字段。

实验中选取了七个类别，包括六个异常类别（neptune、smurf（DoS）、ipsweep、nmap、portsweep和satan（Probe））和一个正常类别。数据集的形成使用了“Training Data Set 1998”的二进制网络跟踪数据，这些数据是在实验的特定日期收集的。

为了评估模型效率，采用了5折交叉验证。将包含53,733个唯一记录的数据集 $\overline{X}^{(TS)}_C$ 分成五个不相交的子集 $\overline{X}^{(TS)1}_C, \cdots, \overline{X}^{(TS)5}_C$，且每个子集中各类别元素的大小大致相等。训练和测试样本的比例为3:2，基本分类器的训练过程进行了30次。

性能指标方面，引入了GPR（真正率）、FPR（假正率）、GCR（正确分类率）和ICR（错误分类率），这些指标都将在训练中未使用的唯一元素上进行计算。

以下是数据集划分和指标计算的流程：

graph LR
    A[数据集 $\overline{X}^{(TS)}_C$] --> B[分成五个子集 $\overline{X}^{(TS)1}_C - \