基于PCA的SVM网络入侵检测研究-论文.pdf

《基于PCA的SVM网络入侵检测研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2015年第02期基于PCA的SVM网络入侵检测研究戚名钰，刘铭，傅彦铭(1．中国科学技术大学软件学院，安徽合肥230000；2．广西大学计算机与电子信息学院，广西南宁530004)摘要：文章针对传统入侵检测方法无法很好地对大样本数据降维、检测效率低、时间长、误报漏报率高等缺点，提出一种基于主成分分析(principalcomponentanalysis，PCA)的支持向量机(suppo~vectormachine，SVM)网络入侵检测方法(PcA—svM)。该方法在对数据进行预处理之后，通过PCA对原始数据集的41个属性进行数据降维并消除冗余数据，找到具有最优

2、分类效果的主成分属性集，然后再以此数据集训练支持向量机分类器，得到检测器。实验选择KDD99数据集在Matlab平台上对PCA—SVM算法进行仿真。相比于由传统41个属性训练得到的入侵检测器，文中方法大大缩短了检测时间，提高了检测效率，为网络入侵检测技术提供了一种新的可行方案。关键词：入侵检测；主成分分析；支持向量机；KDD99数据集；属性约简中图分类号：TP309文献标识码：A文章编号：1671—1122(2015)02—0015—04中文引用格式：戚名钰，刘铭，傅彦铭．基于PCA的SVM网络入侵检测研究⋯．信息网络安全，2015，(2)：15—18．英文引用

3、格式：QIMLIUM，FUYM．ResearchonNetworkIntrusionDetectionUsingSupportVectorMachinesBasedonPrincipalComponentAnalysis[J]．NetinfoSecurity，2015，f2)：15—18．ResearchonNetworkIntrusionDetectionUsingSupportVectorMachinesBasedonPrincipalComponentAnalysisQIMing—yu，LIUMing，FUYan—ming(I．SoftwareColleg

4、e，UniversityofScienceandTechnologyofChina，HefeiAnhui230000，China；2．SchoolofComputer,ElectronicsandInformation，GuangxiUniversity,NanningGuangxi530004，China)Abstract：Aimingattheshortcomingsofthetraditionalintrusiondetectionsystem，suchaslowrateofdetection，timewasting，highrateoffalseposi

5、tivesandSOon，thispaperproposedamethodofnetworkintrusiondetection(PCA-SVM)usingsupportvectorMachines(SVM)basedonprincipalcomponentanalysis(PCA)．Thismethodbeginswithdatapreprocessing，thenfindtheoptimalsetofattributesbytraversingthe41principalcomponentattributevalues，finallytrainingsupp

6、o~vectormachineclassifiertoobtainadetectorbasedonthisdataset．ThisexperimenthasbeensimulatedintheMatlabsoftwarewiththeKDD99data．Asaresultcomparedwiththetraditionalintrusiondetectorwhichtrainingfrom41attributes，thismethodgreatlyreducesthedetectiontime，improvethedetectioneficiencyandred

7、ucetherateoffalsepositives．Soitprovidesanewfeasiblesolutionfornetworkintrusiondetectiontechnology．Keywords：intrusiondetection；principalcomponentanalysis；supportvectormachine；KDD99dataset；attributionreduction●收稿日期：2014—05—21基金项目：国家自然科学基金[61262072]；广西大学大学生实验技能和科4K4,]新能力训练基金[SYJN2012073

8、5]作者简介：威名钰(1