摘要

本发明属于机器学习技术领域,公开了一种用于信息系统入侵检测的在线单分类主动机器学习方法;包括:使用信息系统中较易获得且数量最多的一类数据对分类器进行初始化,得到初始分类器模型;对于信息系统中实时数据,根据所得初始分类器模型,对实时数据的类型根据一定策略给出预测,同时,若满足某种条件,请求专家给出专业判定,并对分类器模型做出更新。本发明使用在线单分类主动机器学习方法检测信息系统中的网络入侵行为;使用单分类算法学习正常数据的特征并以此判定数据类型;选出分类器所给出的预测结果中最值得被专家分析的数据,由专家判定并针对性地更新分类器,更好地利用专家资源提升分类器性能,实现对信息系统入侵行为的有效识别。