基于模糊SVM模型的入侵检测分类算法

发布时间：2022-08-10 16:29

　　为解决入侵检测分类遇到的训练样本数量少、分类准确率低的问题,提出基于模糊支持向量机的多级分类机制。该分类机制训练模糊SVM模型将数据粗分为正常与攻击大类,采用DBSCAN算法产生细分模型进行攻击子集的自动聚类,将有关数据细分得到攻击的具体细类。在机制设计中,优化了隶属度函数的计算、设计了数据标准化与归一化等过程,并训练了高效分类器。实验表明,针对网络入侵检测数据中常见的孤立点干扰、噪声多,并且负样本占比多的网络业务数据集,新算法在保持分类准确率高的前提下,分类过程的计算时间较短。 

【文章页数】：4 页

【部分图文】：

入侵检测实验环境

图5 分类器对比实验

模型整体流程

【参考文献】：
期刊论文
[1]基于双联支持向量机的入侵检测技术[J]. 王昊,华继学,范晓诗.  山东大学学报(工学版). 2013(06)
[2]基于粗糙集和人工免疫的集成入侵检测模型[J]. 张玲,白中英,罗守山,谢康,崔冠宁,孙茂华.  通信学报. 2013(09)
[3]基于双支持向量机的偏二叉树多类分类算法[J]. 谢娟英,张兵权,汪万紫.  南京大学学报(自然科学版). 2011(04)
[4]基于聚类的入侵检测研究综述[J]. 肖敏,韩继军,肖德宝,吴峥,徐慧.  计算机应用. 2008(S1)

硕士论文
[1]基于超像素的SAR图像海岸线检测算法[D]. 王智罡.大连海事大学 2017



本文编号：3673970