基于SVM-KNN的半监督托攻击检测方法

• 作者: 吕成戍 王维国
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 攻击检测 半监督学习 支持向量机 K最近邻
• 年，卷（期）: 2013,（22）
• 所属期刊栏目: 博士论坛
• 页码范围: 7-10
• 页数: 4页
• 分类号: TP311
• 字数: 4426字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1303-0440

摘要

针对支持向量机方法在标记用户数据不充分的情况下无法有效实现托攻击检测的不足，提出一种基于SVM-KNN的半监督托攻击检测方法。根据少量标记用户数据训练一个初始SVM分类器，利用初始SVM对大量未标记用户数据进行分类，挑选出分类边界附近有可能成为支持向量的样本点，利用KNN分类器优化边界向量的标记质量，再将重新标注过的边界向量融入训练集，迭代训练逐步改善SVM的分类边界，最终获得系统决策函数。实验结果表明在标记用户数据较少的情况下，方法能有效提高托攻击的检测精度和效率，具有较强的推广能力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕成戍	东北财经大学管理科学与工程学院	24	112	6.0	10.0
2	王维国	东北财经大学数学与数量经济学院	125	1677	23.0	36.0