基于云模型和支持向量机的入侵检测特征选择方法

• 作者: 冯向荣 吴俊
• 来源期刊: 华中师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 云模型 支持向量机 特征选择 入侵检测
• 年，卷（期）: 2013,（1）
• 页码范围: 23-26
• 页数: 4页
• 分类号: TP393.08
• 字数: 2867字
• 语种: 中文

摘要

针对目前特征选择算法均存在容易陷入局部最优、迭代后期收敛速度慢的缺陷,提出一种基于云模型和支持向量机(Support Vector Machine,SVM)的入侵检测特征选择方法,该方法采用逆向云发生器从真实训练数据中得到云的数字特征,形成实际判断规则,实现正常数据建模,把网络入侵检测正确率作为SVM参数优化目标函数,以提高入侵检测的正确率.在KDDCUP1999数据集上进行仿真实验,结果表明该方法能更有效地精简网络数据特征,能够有效地解决入侵检测中存在的特征选择问题,并在保证较高检测率的基础上,对不同类型的攻击检测具有良好的均衡性.