基于KPCA和SVM的网络入侵检测

• 作者: 包潘晴 杨明福
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 入侵检测 统计学习 核主成分分析 支持向量机
• 年，卷（期）: 2006,（2）
• 所属期刊栏目: 安全技术
• 页码范围: 125-127
• 页数: 3页
• 分类号: TP3
• 字数: 3427字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2006.02.050

摘要

入侵检测系统是网络安全的重要组成部分,目前的入侵检测算法存在着先验知识少的情况下推广能力差的问题.本文提出了利用核主成分分析(KPCA)和支持向量机(SVM)相结合进行入侵检测的方法.与传统算法相比,本文的方法对网络异常连接有更高的检测率和更强的泛化能力.文章最后在KDDCUP数据集上进行的实验,证明了本文方法的适用性和高效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨明福	华东理工大学计算机科学系	61	485	12.0	19.0
2	包潘晴	华东理工大学计算机科学系	1	26	1.0	1.0