PCA-SVM在网络入侵检测中的仿真研究

摘要：

研究网络安全问题,针对网络入侵数据是一种小样本、高维和冗余数据,传统检测方法无法进行很好降维且基于大样本数据,因此入侵检测率低.为了提高网络入侵检测率和网络安全,提出一种主成分分析(PCA)的支持向量机(SVM)网络入侵检测方法(PCA-SVM).PCA-SVM首先通过PCA对网络入侵原始数据进行维数和消除冗余信息处理,减少了支持向量机的输入,采用粒子算法对支持向量机参数进行优化,获得最优网络入侵支持向量机检测模型,最后最优支持向量机模型对网络入侵数据进行测试.采用网络数据集在Madab平台上对PCA-SVM算法进行仿真,结果表明,采用PCA-SVM加快了网络入侵检测速度,提高了检测率,降低了网络入侵漏报率,为网络入侵检测提供了一种实时检测工具.

关键词：主成分分析、支持向量机、网络入侵、粒子群算法

所属期刊栏目：28

分类号：TP391(计算技术、计算机技术)

资助基金：四川省教育厅重点研究项目08SA060

在线出版日期：2011-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：146-149