基于SVM的增量入侵检测方法研究

发布时间：2022-08-11 20:16

　　本质上，入侵检测是一个模式识别和分类问题。支持向量机（SVM）对不平衡和非线性数据具有独特优势，因而尤其适合入侵检测分类器的设计。基于SVM的入侵检测方法已经取得了良好的效果，但仍存在以下不足：在处理高维、大规模入侵检测数据时，SVM方法训练时间长、检测速度慢；由于入侵检测数据具有动态性，当数据变化时，必须重建SVM分类模型，导致检测算法效率不高。针对以上不足，本文研究并提出了基于粗糙集和SVM的增量式入侵检测方法，并在KDDCUP1999数据集上进行仿真实验。主要研究成果如下：首先，针对高维入侵检测数据中存在无关属性和冗余属性，且样本集的变化导致原特征提取结果可能失效的问题，提出了基于简化二进制差别矩阵的增量属性约简（SBDM-IAR）算法。该算法首先引入简化的决策表，去除大量冗余对象。在此基础上建立简化的二进制差别矩阵，重复元素只存储一次，降低存储空间。同时对新增数据进行了详细地分析，设计了属性约简的更新机制，达到了对原约简的动态更新。其次，针对大规模样本集的动态变化导致原SVM分类器不适用的问题，提出基于云模型的增量SVM入侵检测方法（C-ISVM）。对初始样本集，提出了云边界向... 

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

CIDF的模型结构图

入侵检测的分类图

正态云模型的数字特征图

【参考文献】：
期刊论文
[1]基于改进差别矩阵的增量式属性约简算法[J]. 冯少荣,张东站.  深圳大学学报(理工版). 2012(05)
[2]面向入侵检测的基于IMGA和MKSVM的特征选择算法[J]. 井小沛,汪厚祥,聂凯,罗志伟.  计算机科学. 2012(07)
[3]属性序下的增量式Pawlak约简算法[J]. 官礼和,王国胤,于洪.  西南交通大学学报. 2011(03)
[4]基于数组的增量式属性约简研究[J]. 汪小燕,杨思春.  计算机应用研究. 2011(05)
[5]一种高效的增量式属性约简算法[J]. 冯少荣,张东站.  控制与决策. 2011(04)
[6]基于最近边界向量的SVM增量学习算法[J]. 刘叶青,刘三阳,谷明涛.  数学的实践与认识. 2011(02)
[7]改进分辨矩阵下的增量式条件属性约简算法[J]. 谭旭.  系统工程理论与实践. 2010(09)
[8]基于粒子群优化和邻域约简的入侵检测日志数据特征选择[J]. 陈仕涛,陈国龙,郭文忠,刘延华.  计算机研究与发展. 2010(07)
[9]基于多目标进化算法的入侵检测特征选择[J]. 蒋加伏,吴鹏.  计算机工程与应用. 2010(17)
[10]一种基于决策表的核增量式高效更新算法[J]. 钱文彬,徐章艳,杨炳儒,黄丽宇.  小型微型计算机系统. 2010(04)



本文编号：3675315