10.19678/j.issn.1000-3428.0054701
基于增量学习的SVM-KNN网络入侵检测方法
为满足入侵检测的实时性和准确性要求,通过结合支持向量机(SVM)和K最近邻(KNN)算法设计IL-SVM-KNN分类器,并采用平衡k维树作为数据结构提升执行速度.训练阶段应用增量学习思想并考虑知识库的扩展,分类阶段则利用SVM和KNN算法将待分类数据分成3种情况应用不同的分类策略.基于KDD CUP99和NSL-KDD数据集进行实验,结果表明,IL-SVM-KNN能够区分正常流量和异常流量并准确判断异常流量的攻击类型,其准确率较KNN算法和SVM算法有明显提升,判断攻击类型的准确性高于决策树、随机森林和XGBoost算法,并且较两层卷积神经网络消耗时间更少,资源消耗更低.
支持向量机、K最近邻算法、k维树、入侵检测、增量学习、卷积神经网络
46
TP309(计算技术、计算机技术)
中央引导地方科技发展专项;贵州师范大学创新创业教育研究基金项目;贵州师范大学研究生创新基金
2020-05-08（万方平台首次上网日期，不代表论文的发表时间）
共8页
115-122
