基于支持向量机的机器学习IDS攻击样本的逼近代价分析

• 作者: 党军朋 李邦源 陈运忠
• 来源期刊: 自动化技术与应用
• 学科: 工学
• 关键词: 机器学习 支持向量机 入侵检测 逼近代价
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 计算机应用
• 页码范围: 32-35
• 页数: 4页
• 分类号: TP309.2|TP393
• 语种: 中文

摘要

为了提高机器学习的能力,本文提出一种针基于支持向量机的机器学习IDS攻击样本的逼近代价方法,利用KKT条件把双层优化转变为单层优化的问题再对其实施求解,同时构建了单层优化的具体方法.当迭代处理λ取值为0.05与0.25的时候更易处于稳定收敛状态,λ取值为0.05时可以更快收敛;在不断的迭代过程中α值持续变小,设定取α=1/t时逼近代价将达到一个最小收敛值.SVM攻击样本可以实现召回率的快速降低,并保持正常的流量状态,并获得比BPA方法更优的攻击效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈运忠		4	0	0.0	0.0
2	李邦源		7	9	2.0	2.0
3	党军朋		3	1	1.0	1.0