基于PCA和KPCA特征抽取的SVM网络入侵检测方法

• 作者: 杨辉华 王行愚 高海华
• 来源期刊: 华东理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 异常检测 特征抽取 主分量分析(PCA) 核主分量分析(KPCA) 支持向量机(SVM)
• 年，卷（期）: 2006,（3）
• 页码范围: 321-326
• 页数: 6页
• 分类号: TP393|TP18
• 字数: 5185字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-3080.2006.03.019

摘要

提出一种新颖的基于特征抽取的异常检测方法,应用主分量分析(PCA)和核主分量分析(KPCA)抽取入侵特征,再应用支持向量机(SVM)检测入侵.其中PCA对输入特征做线性变换,而KPCA通过核函数进行非线性变换.利用KDD99数据集,将PCA-SVM、KPCA-SVM与SVM、PCR、KPCR进行比较,结果显示:在不降低分类器性能的情况下,特征抽取方法能对输入数据有效降维.在各种方法中,KPCA与SVM的结合能得到最优入侵检测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨辉华	华东理工大学信息科学与工程学院	11	156	6.0	11.0
5	高海华	华东理工大学信息科学与工程学院	6	105	4.0	6.0
6	王行愚	桂林电子工业学院计算机系	1	50	1.0	1.0