基于中间分类超平面的SVM入侵检测

• 作者: 厍向阳 毕孝儒 牟琦 龚尚福
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 中间分类超平面 样本缩减 潜在支持向量 支持向量机 入侵检测
• 年，卷（期）: 2011,（16）
• 所属期刊栏目: 安全技术
• 页码范围: 117-119
• 分类号: TP309
• 字数: 3530字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2011.16.039

摘要

在网络入侵检测中,大规模数据集会导致支持向量机(SVM)方法训练时间长、检测速度慢.针对该问题,提出一种基于中间分类超平面的SVM入侵检测方法.通过对正常和攻击样本的聚类分析,定义聚类簇中心的边界面接近度因子,实现对标准SVM二次式的改进;用簇中心对其训练,获取一个接近最优超平面的中间分类超平面;确定距离阈值,以选取潜在支持向量,实现训练样本的缩减.在KDDCUP1999数据集上进行实验,结果表明,与聚类支持向量机方法相比,该方法能简化训练样本,提高SVM的训练和检测速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龚尚福	西安科技大学计算机学院	69	484	13.0	19.0
2	牟琦	西安科技大学计算机学院	25	102	7.0	9.0
3	毕孝儒	西安科技大学计算机学院	5	58	5.0	5.0
4	厍向阳	西安科技大学计算机学院	38	277	10.0	14.0