基于支持向量机与Adaboost的入侵检测系统

摘要：

入侵检测系统在大数据量的情况下误报率高、泛化能力弱,且单一机器学习算法不能较好地应对多种攻击类型.为此,设计一个基于支持向量机(SVM)与Adaboost算法的入侵检测系统.依托Snort系统,利用主成分分析方法对提取的特征做降维处理,并将SVM-Adaboost集合算法作为检测引擎.采用NSL-KDD数据集进行训练和测试,实验结果表明,该系统的正确率达到97.3％,较SVM算法和Adaboost算法分别提高4.8％和14.3％.

关键词：支持向量机、Adaboost算法、数据降维、入侵检测系统、接受者操作特征曲线

所属期刊栏目：45

分类号：TP309(计算技术、计算机技术)

资助基金：国家重点研发计划“云计算与大数据”重点专项2018YFB1004101

在线出版日期：2019-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：183-188,202