融合BVM与ELM的网络异常检测方法

摘要：

针对用单一分类器对网络进行异常检测时存在的检测率低、虚警率高等问题,提出了一种新的融合球向量机( BVM,Ball Vector Machine)与极限学习机(ELM,Extreme Learning Machine)的异常检测方法.该方法分别用BVM与ELM对三类网络特征进行学习,通过BP神经网络训练出相应权值来融合标签.实验表明:使用该融合方法进行网络异常检测的性能要优于使用单一的BVM或ELM；相对于融合传统的SVM与BP网络的方法,融合BVM与ELM网络异常检测方法的检测率与虚警率与传统方法相当,但其训练速度快、整体性更优.

关键词：网络异常检测、球向量机、极限学习机、神经网络、数据融合

所属期刊栏目：27

分类号：TP393(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40872087

在线出版日期：2012-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：97-100