针对企业信息化系统存在的问题,分析了当前网络安全存在的误报和漏报现象,对海量信息分析代价大、无法预知安全策略内容、系统自身安全等方面问题作了探讨,设计并建立了基于多标记学习改进算法的入侵检测系统模型。该模型主要包括数据采集、数据预处理、算法检测及响应处理等模块。在设计好基于多标记学习改进算法的入侵检测系统后,将该系统部署到原有系统中,并检测入侵数据,数据检测监控界面显示入侵检测系统的检测结果。针对未处理的网络连接记录,系统管理员可通过手动方式判断其是否为攻击行为;而对于异常的数据,系统会将此类型的攻击行为添加到样本库中 本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com  。算法在适当的时间通过新的样本库来完善分类器。该模型在不改变原有信息化系统工作的基础上,实现了入侵检测系统的应用。自动化仪表第38卷本文通过对企业信息化系统的研究，建立基于多标记学习改进算法［5］的入侵检测系统模型，并对基于该模型的入侵检测系统进行了详细设计，在不改变原有信息化系统工作的基础上，实现了入侵检测系统的应用。1基于多标记学习改进算法的入侵检测系统基于多标记学习改进算法的入侵检测系统流程如图1所示。流程主要实现数据采集、数据处理、入侵检测等功能。图1系统流程图入侵检测系统-数控滚圆机滚弧机张家港电动液压钢管滚圆机滚弧机如图1所示，系统首先在网络接入点建立数据采集通道，然后由数据采集单元捕捉经过此节点的数据流，并对数据流进行清洗，从捕捉到的数据流中提取网络连接记录，对所有网络连接的特征信息进行提龋同时，对提取的相关信息进行预处理，得到作为多标记学习改进算法的输入形式数据，然后利用分类器预测输入的数据，最后将预测结果进行传输，送到决策响应单元，进而执行相应操作。1．1结合类别权重及多示例的多标记学习改进算法多标记学习［6］是目前机器学习的重要研究方向。其已经成为文本分类［7－9］、生物信息学［10］、图像视频自动标注［11－13］等领域应用最为广泛的算法之一。现阶段，多标记学习算法已经应用到入侵检测系统［14］中。多标记学习改进算法算法［5］采用多示例多标记学习(multi－instancemulti－labellearning，MIML)［15］框架。在表示阶段，将学习样本分化为多示例包形式;在生成示例包阶段，定义权重函数Wi，通过引入惩罚函数槇p(xi)和惩罚因子σ来自适应调节权重函数，最终确定学习样本中各部分信息入侵检测系统-数控滚圆机滚弧机张家港电动液压钢管滚圆机滚弧机 本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com