基于SPCSE与WKELM的网络入侵检测方法研究

摘要：

网络入侵检测系统是用于保护系统免受非法攻击的重要网络防御工具,网络入侵行为复杂的、冗长的特征严重影响网络入侵的检测效果.现提出一种基于稀疏主成分空间嵌入与加权核极限学习机的网络入侵检测方法.为了有效约简网络入侵数据的特征,提出一种基于稀疏主成分的特征约简的降维算法,即稀疏主成分空间嵌入算法(SPCSE).同时,为了改进极限学习机的检测效果,提出一种加权核极限学习机算法(WKELM),它采用核函数代替包含激活函数的加权极限学习机隐层随机特征映射,有利于提高算法的非线性处理能力和鲁棒性.仿真结果显示加权核极限学习机对于网络入侵的检测精度95％,极限学习机对于网络入侵的检测精度92％,而提出的网络入侵检测方法对于网络入侵的检测精度达到98.5％,表明提出的网络入侵检测方法对于网络入侵的检测结果优于传统极限学习机以及加权核极限学习机.

关键词：稀疏主成分空间嵌入、加权核极限学习机、网络入侵检测

所属期刊栏目：39

分类号：TP393(计算技术、计算机技术)

资助基金：广西教育厅自然科学基金项目2013YB286

在线出版日期：2022-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：425-429