10.3969/j.issn.1000-7024.2012.10.024
基于R-SVM的网络入侵检测系统
入侵检测系统(IDS)在处理高维数据时具有计算量大、占用计算机资源较多、训练和预测时间较长等缺点,这就需要对数据在确保有用信息不丢失的前提下进行约简.递归支持向量机(R-SVM)根据各个特征在svm分类器中的贡献大小从分类结果中提取使分类器性能最好的特征,以实现维数约简的目的.将R-SVM理论引入入侵检测系统中,提出了一种基于R-SVM入侵检测方法.通过对KDDCUP99数据集中10 Percent数据子集的测试实验结果表明,与用粗糙集做特征提取及传统的几种分类算法相比,用R-SVM做特征提取并结合SVM分类算法用于IDS中的性能较好;与使用全部特征构建的支持向量分类器相比,前者能在保障较好的分类精度的同时,降低训练和预测时间.
入侵检测系统、高维数据、约简、特征提取、递归支持向量机、支持向量机
33
TP393.08(计算技术、计算机技术)
陕西省自然科学基金项目2009JM7007;陕西省教育厅专项科研计划基金项目08JK354
2013-01-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
3777-3782