基于机器学习的入侵检测研究

• 作者: 任薇 彭宁 范会丽
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 机器学习 核主成分分析 孪生支持向量机 入侵识别 数据特征提取
• 年，卷（期）: 2019,（11Z）
• 页码范围: 198-199
• 页数: 2页
• 分类号: TP393

摘要

互联网环境的复杂性造成网络连接数据的海量化和繁复性,使得入侵检测时间长效率低。因此,提出一种基于核主成分分析(KPCA)和孪生支持向量机(TSVM)的入侵检测方法(KPCA-TSVM)研究。KPCA可以将原始高维数据映射成低维数据,TSVM比支持向量机具有更高效的检测精度和分类效果。使用Python语言对KPCA-TSVM模型在经过字符映射和归一处理后的KDDCUP99数据上进行实验模拟,结果表明该模型是一种有效的检测方式。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任薇	华北理工大学信息工程学院	7	2	1.0	1.0
2	彭宁	华北理工大学信息工程学院	6	2	1.0	1.0
3	范会丽	华北理工大学信息工程学院	6	2	1.0	1.0