基于核学习的入侵检测改进方法

摘要：

针对入侵检测中部分攻击类型检测率低的问题,提出一种基于核学习的入侵检测改进方法.采用核主成分分析(KPCA)对入侵检测中的高维非线性结构数据集进行数据预处理,通过支持向量数据描述(SVDD)构造分类器,对预处理后的数据进行分类.实验结果表明,与已有方法相比,改进方法的检测精度较高、漏检率较低.

关键词：核学习、核主成分分析、支持向量数据描述、入侵检测、异常检测

所属期刊栏目：38

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61163036,61163039;甘肃省自然科学基金资助项目1010RJZA022,1107RJZA112;西北师范大学第三期知识与创新工程科研骨干基金资助项目nwnu-kjcxgc03-67

在线出版日期：2012-10-29（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：21-25