10.3321/j.issn:0253-987X.2005.08.023
基于独立成分分析和支持向量机的入侵检测方法
提出了一种入侵检测方法,该方法采用独立成分分析方法获取入侵行为模式的高阶统计信息,并将输入模式空间映射到相应的独立成分空间,然后利用支持向量机对小样本、高维数据泛化能力强的特点,在独立成分空间中用支持向量机原理构造广义最优分类超平面.数值实验表明,所提方法可大大降低特征空间维数,具有较好的分类正确性.特别是当高斯核参数σ值在1~3之间时,利用该方法的漏检数仅为标准支持向量机算法的1/9,这说明它能有效地获取入侵行为的本质特征,对新的入侵行为有比较好的识别能力.
入侵检测、独立成分分析、支持向量机
39
TP311(计算技术、计算机技术)
2005-09-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
876-879