張師鵬，李永忠，杜祥通

（江蘇科技大學(xué)計(jì)算機(jī)學(xué)院，江蘇鎮(zhèn)江 212100）

（*通信作者電子郵箱1099682749@qq.com）

0 引言

入侵檢測(cè)系統(tǒng)是保護(hù)信息和通信技術(shù)基礎(chǔ)設(shè)施免受網(wǎng)絡(luò)攻擊的最重要實(shí)體之一，是學(xué)術(shù)界和工業(yè)界不可忽視的研究主題［1］。隨著人工智能的迅猛發(fā)展，越來越多的機(jī)器學(xué)習(xí)模型被應(yīng)用在入侵檢測(cè)領(lǐng)域的研究中。

楊宏宇等［2］提出了一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)（Improved Convolutional Neural Network，ICNN）的入侵檢測(cè)模型，一定程度上解決了模型的過擬合問題；丁紅衛(wèi)等［3］利用改進(jìn)的和聲搜索方法（Harmony Search，HS）對(duì)反向傳播（Back Propagation，BP）神經(jīng)網(wǎng)絡(luò)的初始值進(jìn)行優(yōu)化，提出了一種基于改進(jìn)的HS 算法優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)模型；Zegeye等［4］提出了一種基于隱馬爾可夫模型等多種機(jī)器學(xué)習(xí)方法的多層入侵檢測(cè)模型，該模型可以解決維度災(zāi)難問題；Xiao 等［5］針對(duì)誤檢率高且泛化能力差的問題，提出了基于深度卷積神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)模型。

上述方法都是基于監(jiān)督學(xué)習(xí)的入侵檢測(cè)模型，監(jiān)督學(xué)習(xí)的特點(diǎn)是穩(wěn)定，效果相對(duì)較好，但獲取大量的標(biāo)注信息是一項(xiàng)巨大的工程。然而，當(dāng)網(wǎng)絡(luò)遭受攻擊時(shí)，會(huì)產(chǎn)生大量未知攻擊的數(shù)據(jù)，如果單純地憑借人工進(jìn)行標(biāo)注，將會(huì)大大降低對(duì)于攻擊的檢測(cè)效率。

半監(jiān)督學(xué)習(xí)在近些年中也越來越多地被用在了入侵檢測(cè)的領(lǐng)域中［6-7］。然而已有的基于半監(jiān)督學(xué)習(xí)的入侵檢測(cè)模型大都是基于二支決策的，即對(duì)于一個(gè)網(wǎng)絡(luò)行為，應(yīng)該立即對(duì)其作出決策，決定其是正常行為還是異常行為。在一些情況下，尤其是利用基于半監(jiān)督學(xué)習(xí)的方法進(jìn)行分類的過程中，分類器獲取到的信息不充足，若盲目對(duì)所有網(wǎng)絡(luò)行為作出決策，可能會(huì)出現(xiàn)大量錯(cuò)誤；而且在基于半監(jiān)督學(xué)習(xí)的分類方法進(jìn)行分類的過程中，對(duì)于偽標(biāo)記樣本的選擇沒有標(biāo)準(zhǔn)，這些問題可能都會(huì)導(dǎo)致分類器無法對(duì)所有的網(wǎng)絡(luò)行為作出一個(gè)合理的決策。

針對(duì)上述問題，本文提出了基于半監(jiān)督學(xué)習(xí)（Semi-Supervised Learning，SSL）［8］和三支決策（Three-Way Decision，3WD）的入侵檢測(cè)模型——SSL-3WD?；谌Q策理論，在信息不足的情況可以采用延遲決策來保證對(duì)于已經(jīng)作出決策的數(shù)據(jù)其所含信息是充分的，三支決策的這個(gè)特征可以用于滿足數(shù)據(jù)信息冗余性這個(gè)假設(shè)；利用三支決策理論進(jìn)行分類得到的結(jié)果相較于傳統(tǒng)的二支決策得到的標(biāo)記置信度更高，基于此，三支決策理論可以解決在選擇未標(biāo)記樣本時(shí)難以選擇合適樣本這個(gè)難題。

表1為本文所使用符號(hào)的描述。

表1 符號(hào)描述Tab.1 Description of symbols

1 半監(jiān)督學(xué)習(xí)

半監(jiān)督學(xué)習(xí)（SSL）［8］的目標(biāo)是利用大量未標(biāo)記的數(shù)據(jù)來提高小數(shù)據(jù)集上監(jiān)督學(xué)習(xí)的性能?；诜制绲陌氡O(jiān)督學(xué)習(xí)［9］是目前主流的四種半監(jiān)督學(xué)習(xí)范型的一種，關(guān)于基于分歧的半監(jiān)督學(xué)習(xí)的研究開始于對(duì)協(xié)同訓(xùn)練的研究［10］。假設(shè)數(shù)據(jù)集D=L∪U，其中L={(x1，y1)，(x2，y2)，…，(xm，ym)}是帶標(biāo)簽的數(shù)據(jù)集，X={x1，x2，…，xm}是數(shù)據(jù)集L中的原始的屬性集，而Y={y1，y2，…，ym}為標(biāo)簽；U=為無標(biāo)簽的數(shù)據(jù)集。

定義1假設(shè)X1、X2分別表示兩種不同視角V1和V2的特征，即X1=V1(X)，X2=V2(X)，且在理想情況下當(dāng)給定標(biāo)簽Y，協(xié)同訓(xùn)練需要滿足p(X1，X2|Y)=p(X1|Y)p(X2|Y)。假設(shè)Y=g(X)為需要學(xué)習(xí)的真實(shí)的映射函數(shù)，f1和f2分別為兩個(gè)視角的分類器，則

在協(xié)同訓(xùn)練的過程中，利用通過不同視角的特征訓(xùn)練得到的模型f1和f2在無標(biāo)簽的數(shù)據(jù)集上進(jìn)行預(yù)測(cè)，各選取預(yù)測(cè)置信度比較高的樣本加入訓(xùn)練集中，重新訓(xùn)練兩個(gè)不同視角的模型，并不斷地重復(fù)這個(gè)過程。

當(dāng)f1=f2以及V1=V2時(shí)，協(xié)同訓(xùn)練方法便退化成為自訓(xùn)練方法。雖然目前相關(guān)研究都證明協(xié)同訓(xùn)練方法充分利用了分類器之間的分歧，相對(duì)來說有更好的性能，然而在本文的實(shí)驗(yàn)中發(fā)現(xiàn)，當(dāng)與三支決策進(jìn)行結(jié)合時(shí)，自訓(xùn)練方法才是最合適的方法。相對(duì)協(xié)同訓(xùn)練，自訓(xùn)練方法更加簡單高效，而且不用考慮視圖的條件獨(dú)立性這個(gè)假設(shè)，通常情況下，這個(gè)假設(shè)并不能得到滿足，甚至連弱依賴性也不能滿足［8］。

2 三支決策

三支決策（3WD）理論來自粗糙集理論［11］。目前，人們普遍認(rèn)為，粗糙集理論只是構(gòu)造三支決策的許多可能方法之一［12］。

定義2假設(shè)S是一個(gè)有限非空實(shí)體集，C是有限條件集，三支決策通過一個(gè)映射f將有限非空實(shí)體集S劃分為3 個(gè)兩兩互不相交的域：POS、NEG和BND，即

其中：POS∪NEG∪BND=S，POS∩NEG∩BND=?。

POS、NEG、BND可用于生成三支決策的規(guī)則。具體而言：POS區(qū)域生成接受決策規(guī)則，即正域；NEG區(qū)域生成拒絕規(guī)則，即負(fù)域；而BND區(qū)域生成延遲決策規(guī)則，即邊界域。如何確定對(duì)象是否包含在特定區(qū)域中將取決于它滿足C中條件的程度。正域中的樣本滿足接受條件，負(fù)域由滿足或低于拒絕級(jí)別的對(duì)象組成，邊界域由滿足度高于拒絕級(jí)別但低于接受級(jí)別的對(duì)象組成。在基于三支決策理論的整個(gè)決策過程中（最后一步除外），有必要確定是否對(duì)當(dāng)前對(duì)象作出最終決定，即對(duì)象是否屬于正域（POS）或負(fù)域（NEG），或當(dāng)前對(duì)象應(yīng)分類為邊界域（BND）。對(duì)于邊界域中的數(shù)據(jù)，在獲取其他信息之后，將重新評(píng)估邊界域。如果樣本可以分為正域或負(fù)域，則作出最終決定。對(duì)于某些樣本，最終決定需要再次推遲［13］。決策過程將繼續(xù)進(jìn)行，直到將所有對(duì)象劃分為正域或負(fù)域?yàn)橹埂?/p>

對(duì)于一個(gè)樣本，存在三種可能的決策，即：接受（POS）、拒絕（NEG）和延遲決策（BND），并且存在樣本屬于某個(gè)域或不屬于該域兩種可能的狀態(tài)。根據(jù)這三個(gè)可能的決策和兩個(gè)可能的狀態(tài)，相關(guān)成本λ如表2所示。

表2 三支決策的決策損失函數(shù)Tab.2 Decision losst function of three-way decision

假設(shè)樣本x屬于集合的概率為P(C|x)，將C定義為正域，而P(CC|x)則為樣本x不屬于域C的概率，即x屬于負(fù)域CC的概率。則：

1）如果P(C|x)>α，則x∈POS；

2）如果P(C|x)<β，則x∈NEG；

3）如果β≤P(C|x)≤α，則x∈BND。

假設(shè)0 ≤λPP≤λBP<λNP，0 ≤λNN≤λBN<λPN，根據(jù)文獻(xiàn)［14-15］的推演證明，可以得到如下兩個(gè)相關(guān)閾值的計(jì)算公式：

其中，0 ≤β≤α≤1?？梢缘玫饺缦氯龡l應(yīng)用到入侵檢測(cè)領(lǐng)域的規(guī)則：

1）如果P(C|x)>α，則該網(wǎng)絡(luò)行為被歸為正類，即該網(wǎng)絡(luò)行為是入侵行為；

2）如果P(C|x)<β，則該網(wǎng)絡(luò)行為被歸為負(fù)類，即該網(wǎng)絡(luò)行為是正常行為；

3）如果β≤P(C|x)≤α，則表示當(dāng)前信息下，無法對(duì)該行為采取任何決策，則該行為需要被劃分到邊界域以等待進(jìn)一步的處理。

三支決策為入侵檢測(cè)提供了一種有用的機(jī)制。考慮這一種情況，在大多數(shù)情況下入侵檢測(cè)是正確的，但偶爾會(huì)攔截某些正常行為或釋放某些入侵行為。重復(fù)發(fā)生此類錯(cuò)誤將導(dǎo)致嚴(yán)重后果。作出錯(cuò)誤分類決定的原因可能有多種，例如分類器的不合理設(shè)計(jì)和誤導(dǎo)的網(wǎng)絡(luò)行為等，一個(gè)重要的原因是用于決策的信息不完整且不充足。為了解決此類問題，可以采取三支決策，通過使用延遲選項(xiàng)，可以避免某些錯(cuò)誤的分類。

3 本文模型SSL-3WD

3.1 入侵檢測(cè)模型設(shè)計(jì)

根據(jù)上文所闡述的半監(jiān)督學(xué)習(xí)相關(guān)定理，假設(shè)數(shù)據(jù)集D1所含信息可以支撐分類器對(duì)k個(gè)無標(biāo)簽的數(shù)據(jù)作出分類，通常情況下k

在半監(jiān)督學(xué)習(xí)中，需要從未標(biāo)記樣本中挑選出一定比率的樣本進(jìn)行標(biāo)記，并把這些帶有“偽標(biāo)記”的樣本加入分類器的訓(xùn)練集中，從而組成新的訓(xùn)練集。然而在沒有標(biāo)簽的前提下，如何挑選樣本是一個(gè)難題。目前有關(guān)半監(jiān)督學(xué)習(xí)的研究中，并沒有在這一方面作出過多的闡述。本文提出利用三支決策理論來挑選由分類器給出“偽標(biāo)記”的樣本。如上文所述，利用三支決策理論得到的正域和負(fù)域，可以認(rèn)為當(dāng)前有標(biāo)簽的數(shù)據(jù)集所包含的信息是足以支撐分類器對(duì)這些樣本作出標(biāo)記的，即從某種程度上可以信任對(duì)這些數(shù)據(jù)的標(biāo)記，因此，可以選擇正域以及負(fù)域中的樣本與原有的訓(xùn)練集組成新的訓(xùn)練集，并利用得到的新的訓(xùn)練集繼續(xù)對(duì)模型進(jìn)行訓(xùn)練，而此時(shí)，無標(biāo)簽的樣本集為負(fù)域中的樣本組成的樣本集。上述訓(xùn)練過程將一直持續(xù)下去，直至滿足停止條件，通常情況下，停止條件可以人為指定，可以指定訓(xùn)練次數(shù)達(dá)到一定程度時(shí)訓(xùn)練停止，也可以指定當(dāng)負(fù)域中不存在樣本時(shí)停止訓(xùn)練。

3.2 入侵檢測(cè)模型的算法流程

本文提出的基于半監(jiān)督學(xué)習(xí)和三支決策的入侵檢測(cè)模型（SSL-3WD）的算法流程如算法1所示。

特征提取方式用于獲取原始數(shù)據(jù)集的低維表示。由于原始數(shù)據(jù)中包含大量冗余信息，這些信息對(duì)于分類效果產(chǎn)生了不好的影響，因此需要對(duì)原數(shù)據(jù)進(jìn)行特征提取。相較于主成分分析方法（Principal Component Analysis，PCA）等傳統(tǒng)的線性特征提取方式，自編碼器［16］是一種非線性的特征提取方式，其提取到的特征更能抽象表示出原始數(shù)據(jù)的信息，故本文采用自編碼器這種非線性的特征提取方式。

分類器模型f用于獲取樣本屬于正域的概率，因此，對(duì)于f的選擇以選擇軟分類模型為宜，本文選用邏輯回歸作為分類器模型。邏輯回歸是一種軟分類模型，可以輸出每個(gè)樣本屬于某個(gè)類的概率。根據(jù)模邏輯回歸求出每一個(gè)數(shù)據(jù)屬于正類的概率p，并根據(jù)三支決策的理論，通過預(yù)先設(shè)置的兩個(gè)閾值α以及β將該數(shù)據(jù)歸為正域或者負(fù)域：若某個(gè)樣本屬于正域的概率p>α，則將該樣本劃歸為正域；若某個(gè)樣本屬于正域的概率p<β，則將該樣本劃歸為負(fù)域；若α

對(duì)于劃分到正域以及負(fù)域的樣本，則需要將其作為被選中的數(shù)據(jù)加入原有的訓(xùn)練集組成新的有標(biāo)簽的訓(xùn)練數(shù)據(jù)集，而邊界域中的數(shù)據(jù)則作為無標(biāo)簽的數(shù)據(jù)等待被重新劃分。重復(fù)上述步驟，直至不存在無標(biāo)簽的數(shù)據(jù)。

從算法1 的流程可看出：本文算法在一個(gè)循環(huán)中完成，循環(huán)的結(jié)束條件為分類器對(duì)所有的無標(biāo)記樣本作出一個(gè)合理的決策，由于在迭代過程中設(shè)置了一個(gè)強(qiáng)制程序終結(jié)的步驟，如第12）步，因此算法不會(huì)陷入無限的循環(huán)中。假設(shè)算法的迭代次數(shù)為T，而循環(huán)內(nèi)部主要的時(shí)間消耗集中在特征提取，如第2）步，以及對(duì)分類器模型的訓(xùn)練，并利用模型進(jìn)行分類，如第3）～4）步，第5）步中的for 循環(huán)并不是主要的時(shí)間消耗，在整個(gè)外部循環(huán)中進(jìn)行的次數(shù)也只為測(cè)試集的個(gè)數(shù)，即時(shí)間復(fù)雜度為O(M)。特征提取方式G（自編碼器）以及f分類器（多層感知機(jī)）都是深度學(xué)習(xí)模型，而隨著分布式計(jì)算的發(fā)展，通常并不計(jì)算深度學(xué)習(xí)模型的時(shí)間復(fù)雜度，因此并不能確定給出整個(gè)算法的時(shí)間復(fù)雜度，假設(shè)這兩部分的時(shí)間復(fù)雜度為O(N)，則本文算法的時(shí)間復(fù)雜度可以表示為O(T?N+M)，本文的數(shù)據(jù)不是大量的圖像數(shù)據(jù)，只是網(wǎng)絡(luò)行為數(shù)據(jù)，對(duì)于采用了分布式計(jì)算的深度學(xué)習(xí)模型來說，時(shí)間消耗在可接受范圍內(nèi)。

3.3 三支決策閾值的設(shè)置

在決策的過程中，三支決策劃分三個(gè)域的關(guān)鍵在于決策閾值對(duì)的設(shè)置。通常情況下，對(duì)于損失函數(shù)，應(yīng)該根據(jù)所分析問題以及實(shí)際情況的不同，根據(jù)專家經(jīng)驗(yàn)以及先驗(yàn)知識(shí)進(jìn)行設(shè)定。不同的問題對(duì)應(yīng)不同的損失函數(shù)，不同的損失函數(shù)對(duì)應(yīng)不同的劃分結(jié)果。本文將三支決策理論應(yīng)用于入侵檢測(cè)的領(lǐng)域，用于確定一個(gè)網(wǎng)絡(luò)行為屬于正常行為還是異常行為，則損失函數(shù)的選取就要植根于入侵檢測(cè)的領(lǐng)域中。根據(jù)經(jīng)驗(yàn)可得，將一個(gè)正常的網(wǎng)絡(luò)行為誤認(rèn)為異常行為所產(chǎn)生的代價(jià)要遠(yuǎn)低于將一個(gè)異常行為誤認(rèn)為正常行為所產(chǎn)生的代價(jià)，故可根據(jù)經(jīng)驗(yàn)設(shè)置各損失函數(shù)如表3所示。

表3 據(jù)經(jīng)驗(yàn)設(shè)置的三支決策損失函數(shù)值Tab.3 Setting of loss functions of three-way decision based on experience

4 實(shí)驗(yàn)結(jié)果和分析

4.1 實(shí)驗(yàn)數(shù)據(jù)

本文實(shí)驗(yàn)所采用的數(shù)據(jù)集有兩個(gè)，分別是NSL-KDD 數(shù)據(jù)集以及UNSW-NB15數(shù)據(jù)集。NSL-KDD數(shù)據(jù)集由41個(gè)特征屬性和1 個(gè)類屬性組成。KDD 數(shù)據(jù)集包括訓(xùn)練集和測(cè)試集兩種，總共包含38種攻擊，其中訓(xùn)練集包含22種攻擊，而測(cè)試集中包含訓(xùn)練集中的20種攻擊，除此之外還包含17種不在訓(xùn)練集中的攻擊類型。因此可以使用測(cè)試集測(cè)試入侵檢測(cè)方法在未知攻擊上的表現(xiàn)。38種攻擊類型可以分為4種主要的攻擊類型：拒絕服務(wù)攻擊（Denial of Service，DoS）、遠(yuǎn)程攻擊（Remote-to-Login，R2L）、本地用戶非法提升權(quán)限的攻擊（User-to-Root，U2R）以及網(wǎng)絡(luò)刺探（Probe）。UNSW-NB15 數(shù)據(jù)集包含許多現(xiàn)代網(wǎng)絡(luò)的新攻擊，可以將其分為1 個(gè)正常類和9個(gè)攻擊類［17］。在本文的實(shí)驗(yàn)中，數(shù)據(jù)分布如表4所示。

表4 不同數(shù)據(jù)集的數(shù)據(jù)分布Tab.4 Data distribution of different datasets

數(shù)據(jù)不能直接用于訓(xùn)練，原始數(shù)據(jù)包含類別特征，而類別特征大多都是用字符串進(jìn)行表示的，因此需要進(jìn)行數(shù)值化處理。

以字符串類型表示的類數(shù)據(jù)需要進(jìn)行數(shù)值化處理，數(shù)值化處理最簡單的方法是序號(hào)編碼，以屬性protocol_type 為例，它的屬性值為（TCP，UDP，ICMP），則可以表示為（1，2，3）。然而利用序號(hào)編碼處理過的數(shù)據(jù)有了大小關(guān)系，例如按照上文處理會(huì)得到ICMP>UDP>TCP 的處理結(jié)果，這種大小關(guān)系并不是該屬性的性質(zhì)，所以采用獨(dú)熱編碼進(jìn)行編碼。

原始數(shù)據(jù)所處的量綱不同，自編碼器在訓(xùn)練過程中要使用梯度下降法，若每列屬性的取值范圍相差過大，會(huì)影響算法的性能，還有可能帶來意想不到的錯(cuò)誤，因此要進(jìn)行歸一化處理。

線性函數(shù)歸一化是一種常見的歸一化方法，也被稱為Min-Max 歸一化，通過這種歸一化方法可以將數(shù)據(jù)歸一到［0，1］區(qū)間內(nèi)，歸一化的計(jì)算如式（5）所示：

其中：x是第i個(gè)屬性列的一個(gè)值；mini是第i個(gè)屬性列的最小值；maxi是第i個(gè)屬性列的最大值。

4.2 評(píng)價(jià)指標(biāo)

選擇準(zhǔn)確率ACC（ACCuracy）、誤報(bào)率FPR（False Positive Rate）、檢出率DR（Detection Rate）與F1值作為評(píng)判指標(biāo)。

評(píng)價(jià)指標(biāo)的計(jì)算公式如下。

其中：TP（True Positives）和TN（True Negatives）分別表示攻擊記錄和正常記錄已正確分類；FP（False Positives）代表被誤認(rèn)為是攻擊的正常記錄；FN（False Negatives）代表錯(cuò)誤分類為正常記錄的攻擊記錄。

4.3 參數(shù)設(shè)置

對(duì)于三支決策的損失函數(shù)的設(shè)置已經(jīng)給出，表5 給出了SSL-3WD模型在工作的工程中所使用的自編碼器參數(shù)。

表5 自編碼器的參數(shù)設(shè)置Tab.5 Setting of parameters of autoencoder

4.4 對(duì)比模型

對(duì)比模型包括：文獻(xiàn)［18］提出的一種基于深度堆疊自編碼器（Stack Nonsymmetric Deep Autoencoder，SNDAE）的入侵檢測(cè)模型；文獻(xiàn)［19］提出的一種基于深度學(xué)習(xí)（Deep Learning）和半監(jiān)督學(xué)習(xí)的入侵檢測(cè)模型DL-SSL；文獻(xiàn)［20］提出的一種基于自編碼器（Autoencoder，AE）和支持向量機(jī)（Support Vector Machine，SVM）的入侵檢測(cè)模型AE-SVM；文獻(xiàn)［21］通過調(diào)整訓(xùn)練數(shù)據(jù)的比例并設(shè)置多個(gè)決策樹提出的一種自適應(yīng)的集成學(xué)習(xí)入侵檢測(cè)模型Multi-Tree。

4.5 在NSL-KDD數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果

對(duì)于一個(gè)入侵檢測(cè)模型來說，檢測(cè)出入侵行為才是最主要的，因此在實(shí)驗(yàn)的過程中，把所有的入侵行為的標(biāo)記設(shè)為1，正常樣本的標(biāo)記設(shè)為0。

SSL-3WD 模型通過多步?jīng)Q策對(duì)所有的網(wǎng)絡(luò)行為進(jìn)行分類，每一步都得到一個(gè)對(duì)當(dāng)前的正域以及負(fù)域（已經(jīng)作出確定決策的樣本）的分類結(jié)果，如圖1 所示為得到的各步的準(zhǔn)確率。

圖1 各決策步驟的準(zhǔn)確率變化Fig.1 Accuracy change of each decision step

從圖1 中可以看到，隨著決策步驟的增加，準(zhǔn)確率在下降。假設(shè)第i次得到的準(zhǔn)確率為a，第i+1 次得到的準(zhǔn)確率為b，則一般情況下b要小于a。因?yàn)椋鶕?jù)三支決策理論，一個(gè)樣本越難以被決策，則對(duì)其作出錯(cuò)誤決策的可能性就越大，而隨著決策步驟的增加，對(duì)于邊界域中的決策很難達(dá)到上一次決策所得到的準(zhǔn)確率，因此準(zhǔn)確率呈現(xiàn)出一個(gè)下降的趨勢(shì)，但是作出正確決策的樣本的數(shù)量是不斷增加的。

表6為各個(gè)模型在NSL-KDD測(cè)試集上的性能表現(xiàn)。本實(shí)驗(yàn)在選擇數(shù)據(jù)集時(shí)，令訓(xùn)練集與測(cè)試集中的樣本數(shù)量基本保持一致，即對(duì)于分類器模型來說，所獲取的信息是不充足的。通過這種數(shù)據(jù)選擇的方式更能體現(xiàn)出SSL-3WD 模型的優(yōu)秀表現(xiàn)。

表6 在NSL-KDD測(cè)試集上的實(shí)驗(yàn)結(jié)果 單位：%Tab.6 Experimental results on NSL-KDD test set unt：%

從表6 可以看出，本文模型SSL-3WD 的所有指標(biāo)都是最優(yōu)，準(zhǔn)確率達(dá)到了96.1%，檢出率達(dá)到了97.7%，誤報(bào)率低至2.4%，F(xiàn)1值達(dá)到了96.6%。檢出率相較于對(duì)比模型中表現(xiàn)最好的Multi-Tree提升了5.8個(gè)百分點(diǎn)。

從實(shí)驗(yàn)結(jié)果可以看出，SSL-3WD 模型不僅要優(yōu)于對(duì)比模型中的幾種監(jiān)督學(xué)習(xí)模型，而且要優(yōu)于同樣使用了半監(jiān)督學(xué)習(xí)的DL-SSL 模型。SSL-3WD 模型基于三支決策理論完成偽標(biāo)記樣本的選擇，這種選擇方式要優(yōu)于DL-SSL的隨機(jī)選擇。

圖2為根據(jù)幾種模型ROC的實(shí)驗(yàn)結(jié)果得到的受試者特征圖（Receiver Operating Characteristic，ROC）曲線圖，ROC 曲線也可以綜合反映出一個(gè)模型的表現(xiàn)。每條曲線圍成所圍成的面積被稱為AUC（Area Under Curve），AUC越大代表一個(gè)模型的綜合性能越好。從圖2 可以看出，本文模型SSL-3WD 的AUC達(dá)到了0.99，是幾種對(duì)比模型中最高的。

圖2 在NSL-KDD數(shù)據(jù)集上進(jìn)行測(cè)試得到的ROC曲線圖Fig.2 ROC curve obtained by test on NSL-KDD test set

為了驗(yàn)證實(shí)驗(yàn)數(shù)據(jù)的規(guī)模對(duì)于SSL-3WD 模型的影響，在本文原本使用的訓(xùn)練集上作了調(diào)整，分別使用訓(xùn)練集的20%、40%、60%、80%、100%作為訓(xùn)練數(shù)據(jù)，分別記為訓(xùn)練集1、2、3、4、5，實(shí)驗(yàn)數(shù)據(jù)分布如表7所示。

表7 不同比例的訓(xùn)練集的數(shù)據(jù)分布Tab.7 Data distribution of train data with different proportions

由于U2R 攻擊類型的數(shù)據(jù)極少，因此在選擇數(shù)據(jù)時(shí)會(huì)選擇所有攻擊類型為U2R 的數(shù)據(jù)。利用以上訓(xùn)練集對(duì)模型進(jìn)行訓(xùn)練，并在測(cè)試集上進(jìn)行測(cè)試，可以得到如表8 所示的測(cè)試結(jié)果。

表8 在比例不同的訓(xùn)練集訓(xùn)練的測(cè)試結(jié)果 單位：%Tab.8 Test results with training datasets with different proportions unit：%

從表8 中可以看出，SSL-3WD 模型隨著數(shù)據(jù)的增多，性能在逐漸地變好，檢出率在不斷地增加，誤報(bào)率在不斷地減小，且模型變好的趨勢(shì)比較明顯。也在一定程度上說明了模型的魯棒性較好。

4.6 在UNSW-NB15的實(shí)驗(yàn)結(jié)果

和在NSL-KDD 數(shù)據(jù)集上的實(shí)驗(yàn)一樣，在實(shí)驗(yàn)的過程中依舊將異常數(shù)據(jù)的標(biāo)簽置為1，正常行為的標(biāo)簽置為0，可以得到如表9所示的實(shí)驗(yàn)結(jié)果。

表9 在UNSW-NB15測(cè)試集上的實(shí)驗(yàn)結(jié)果 單位：%Tab.9 Experimental results on UNSW-NB15 test set unit：%

在UNSW-NB15 的表現(xiàn)相較于在NSL-KDD 數(shù)據(jù)集上的性能表現(xiàn)，各個(gè)模型都有一定的下降，但是下降幅度都非常小。從表9 中數(shù)據(jù)可以看出，SSL-3WD 模型的性能表現(xiàn)還是最優(yōu)的，其檢出率達(dá)到了96.3%，與比較方法中表現(xiàn)最好的基于深度堆疊非對(duì)稱自編碼器（SNDAE）的入侵檢測(cè)模型比較，分別提升了3.5 個(gè)百分點(diǎn)和6.2 個(gè)百分點(diǎn)；此外，誤報(bào)率低至3.2%，F(xiàn)1值達(dá)到了95.6%。

圖3 為幾種模型的ROC 曲線圖。從圖3 可以看出，SSL-3WD 的AUC為0.98，是幾種模型中最高的，也佐證了SSL-3WD模型是幾種模型中較優(yōu)的。

圖3 在UNSW-NB15數(shù)據(jù)集上進(jìn)行測(cè)試得到的R0C曲線圖Fig.3 ROC curve obtained by test on UNSW-NB15 dataset

5 結(jié)語

本文提出了一種基于半監(jiān)督學(xué)習(xí)和三支決策的入侵檢測(cè)方法SSL-3WD。通過三支決策理論來改善半監(jiān)督學(xué)習(xí)在信息的冗余性以及“偽標(biāo)記”樣本的選擇這兩個(gè)情形上的不足。仿真實(shí)驗(yàn)結(jié)果表明，基于半監(jiān)督學(xué)習(xí)和三支決策的入侵檢測(cè)方法要好于對(duì)比方法。

當(dāng)使用三支決策理論挑選“偽標(biāo)記”樣本的過程中，不可避免地會(huì)選擇一些標(biāo)記錯(cuò)誤的樣本，如何盡可能地去除這些被錯(cuò)誤標(biāo)記的樣本是接下來的研究應(yīng)該注意的一個(gè)方向。