基于云模型和支持向量机的入侵检测特征选择方法

发布时间：2018-01-26 17:29

本文关键词： 云模型支持向量机特征选择入侵检测　出处：《华中师范大学学报(自然科学版)》2013年01期 　论文类型：期刊论文

【摘要】：针对目前特征选择算法均存在容易陷入局部最优、迭代后期收敛速度慢的缺陷,提出一种基于云模型和支持向量机(Support Vector Machine,SVM)的入侵检测特征选择方法,该方法采用逆向云发生器从真实训练数据中得到云的数字特征,形成实际判断规则,实现正常数据建模,把网络入侵检测正确率作为SVM参数优化目标函数,以提高入侵检测的正确率.在KDDCUP1999数据集上进行仿真实验,结果表明该方法能更有效地精简网络数据特征,能够有效地解决入侵检测中存在的特征选择问题,并在保证较高检测率的基础上,对不同类型的攻击检测具有良好的均衡性.
[Abstract]:The current feature selection algorithms are prone to fall into local optimum and slow convergence rate in late iteration. An intrusion detection feature selection method based on cloud model and support Vector machine (SVM) is proposed. The method uses reverse cloud generator to get the cloud digital features from the real training data, forms the actual judgment rule, realizes the normal data modeling, and takes the correct rate of network intrusion detection as the objective function of SVM parameter optimization. In order to improve the accuracy of intrusion detection, the simulation results on the KDDCUP1999 dataset show that the proposed method can reduce the network data features more effectively. It can effectively solve the problem of feature selection in intrusion detection, and on the basis of ensuring high detection rate, it has a good balance for different types of attack detection.
【作者单位】：义乌工商职业技术学院;
【基金】：浙江省科技创新人才计划项目(2010R30044)
【分类号】：TP393.08;TP18
【正文快照】： 随着Internet的发展,网络安全问题越来越严重,传统被动防火墙技术已暴露出许多不足的缺陷,而网络入侵检测系统(Intrusion Detection Sys-tem,IDS)作一种主动安全防范措施,可以拦截各种网络入侵和攻击,成为网络安全当前研究领域的热点问题[1].特征选择是为了降低特征空间的维数

【相似文献】