针对计算机免疫系统模型GECISM中的类MC Agent,利用模糊决策树Fuzzy-Id3算法并使用应用程序中的系统调用作为数据集构造决策树,从而生成计算机免疫系统中的入侵检测规则,并与C4.5算法生成规则进行了对比分析,利用Fuzzy-Id3算法方法生成的规则对未知数据集进行分类有较低的误报率和漏报率.
[1] 王凤先, 张岩, 刘振鹏, 王静红, Wang Fengxian, Zhang Yan, Liu Zhenpeng, Wang Jinghong. 基于系统调用的入侵检测规则的生成 [J]. 计算机工程与应用 2005.doi:10.3321/j.issn:1002-8331.2005.03.024
[2] 王熙照, 孙娟, 杨宏伟, 赵明华. 模糊决策树算法与清晰决策树算法的比较研究 [J]. 计算机工程与应用 2003.doi:10.3321/j.issn:1002-8331.2003.21.024
[3] 王凤先, 常胜, 刘振鹏. 一种仿生免疫的计算机安全系统模型 [A]. 湖北武汉 2002.
[4] SOMAYAJI A, HOFMEYR S A, FORREST S. Principles of Computer Immune System [A]. Charleston, West Virginia 1998.
[5] QUINLAN JR. Induction of decision trees [J]. Machine Learning 1986, 1(01).
[6] LEE W, STOLFO S J, CHAN P K. Learning Patterns from Unix Process E xecfution Traces for Intrusion Detection [A]. Provideme, Rhode Island 1997.
[7] SOMAYAHI A, FORREST S. Automated response using system-call delays [A]. Denver, Colorado 2000.
