基于协同增量支持向量机的网络入侵检测 |
| |
引用本文: | 张燕.基于协同增量支持向量机的网络入侵检测[J].河南科学,2018(1):11-16. |
| |
作者姓名: | 张燕 |
| |
作者单位: | 商洛学院数学与计算机应用学院; |
| |
摘 要: | 针对网络行为数据的不均衡、数量大、更新快的问题,结合均衡化、增量学习、分类器集成思想提出一种用于网络入侵检测的协同增量支持向量机算法,该算法利用多个分类器的协同工作,提高算法速度,每个子分类器依据类样本的空间分布计算类样本错分代价,避免分类超平面偏移,对多个子分类器进行加权集成获得最终分类器,提高最终分类器在不均衡数据集下的分类性能.最后,在KDDCUP1999数据集上的仿真实验结果表明,该算法对整体准确率、少数类及未知攻击都有较高的检测准确率.
|
关 键 词: | 增量支持向量机 不均衡数据集 分类器集成 KKT条件 |
Network Intrusion Detection Based on Cooperative Incremental Support Vector Machine |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|