融合BVM与ELM的网络异常检测方法

• 作者: 潘华贤 程国建 蔡长宁
• 来源期刊: 西安石油大学学报（自然科学版）
• 学科: 工学
• 关键词: 网络异常检测 球向量机 极限学习机 神经网络 数据融合
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 计算机及其应用
• 页码范围: 97-100
• 分类号: TP393
• 字数: 3635字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-064X.2012.04.020

摘要

针对用单一分类器对网络进行异常检测时存在的检测率低、虚警率高等问题,提出了一种新的融合球向量机( BVM,Ball Vector Machine)与极限学习机(ELM,Extreme Learning Machine)的异常检测方法.该方法分别用BVM与ELM对三类网络特征进行学习,通过BP神经网络训练出相应权值来融合标签.实验表明:使用该融合方法进行网络异常检测的性能要优于使用单一的BVM或ELM；相对于融合传统的SVM与BP网络的方法,融合BVM与ELM网络异常检测方法的检测率与虚警率与传统方法相当,但其训练速度快、整体性更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程国建	西安石油大学计算机学院	123	847	14.0	25.0
2	潘华贤	西安财经学院行知学院	10	12	3.0	3.0
3	蔡长宁		7	9	1.0	2.0