欢迎来到天天文库
浏览记录
ID:53028659
大小:551.98 KB
页数:4页
时间:2020-04-14
《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
此文档下载收益归作者所有