基于改进高斯核函数的BGP异常检测方法

• 作者: 刘颖 戴仙波 王娜
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 高斯核函数 边界网关协议 异常检测 支持向量机 机器学习
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 安全技术
• 页码范围: 122-129
• 页数: 8页
• 分类号: TP309
• 字数: 6745字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0052713

摘要

通过将边界网关协议(BGP)更新报文激增异常问题抽象为二分类问题,提出一种基于改进高斯核函数的BGP异常检测(IGKAD)方法.采用FMS特征选择算法,选择能同时最大化类间距离和最小化类内距离的特征,得到度量分类能力的特征权值.利用基于Manhattan距离与特征权值的改进高斯核函数构造支持向量机(SVM)分类模型,并结合基于网格搜索与交叉验证的参数寻优方法,提高SVM模型分类准确率.通过设计特征效率函数,给出最优特征子集构造方法,从而选取最优特征子集作为训练数据集.实验结果表明,当训练集包含TOP10和TOP8特征时,IGKAD方法的分类准确率分别为91.65％和90.37％,相比基于机器学习的BGP异常检测方法分类性能更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘颖	信息工程大学密码工程学院	5	7	1.0	2.0
3	王娜	信息工程大学密码工程学院	22	253	7.0	15.0
7	戴仙波	信息工程大学密码工程学院	1	1	1.0	1.0