基于信息熵和置信度下采样的网络入侵检测方法

摘要

本发明提供了一种基于信息熵和置信度下采样的网络入侵检测方法。本发明同时采用了信息熵以及算法置信度来作为下采样的采样基准，以代替传统对多数类的随机下采样策略；其次，通过Boosting的集成思想，将该动态下采样的方法推广至任何算法；并且本发明中使用的信息熵同时包含了样本模糊隶属度以及结构信息，因此能够有效抑制多数类的信息损失。相较于传统的不平衡分类集成方法，本发明首次将动态下采样与信息熵以及置信度结合，不但能够使得集成模型能够适应于更多的基算法，更有效提升了模型对不平衡网络入侵的检测性能。