基于增量学习的SVM-KNN网络入侵检测方法

• 作者: 付子爔 吴招娣 徐洋 许丹丹 谢晓尧
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 支持向量机 K最近邻算法 k维树 入侵检测 增量学习 卷积神经网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 网络空间安全
• 页码范围: 115-122
• 页数: 8页
• 分类号: TP309
• 字数: 4563字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0054701

摘要

为满足入侵检测的实时性和准确性要求,通过结合支持向量机(SVM)和K最近邻(KNN)算法设计IL-SVM-KNN分类器,并采用平衡k维树作为数据结构提升执行速度.训练阶段应用增量学习思想并考虑知识库的扩展,分类阶段则利用SVM和KNN算法将待分类数据分成3种情况应用不同的分类策略.基于KDD CUP99和NSL-KDD数据集进行实验,结果表明,IL-SVM-KNN能够区分正常流量和异常流量并准确判断异常流量的攻击类型,其准确率较KNN算法和SVM算法有明显提升,判断攻击类型的准确性高于决策树、随机森林和XGBoost算法,并且较两层卷积神经网络消耗时间更少,资源消耗更低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢晓尧	贵州师范大学贵州省信息与计算科学重点实验室	101	352	9.0	12.0
2	徐洋	贵州师范大学贵州省信息与计算科学重点实验室	23	91	5.0	8.0
3	付子爔	贵州师范大学贵州省信息与计算科学重点实验室	2	1	1.0	1.0
4	吴招娣	贵州师范大学贵州省信息与计算科学重点实验室	2	1	1.0	1.0
5	许丹丹	贵州师范大学贵州省信息与计算科学重点实验室	1	1	1.0	1.0