| 基于支持向量机与k近邻相结合的网络入侵检测研究 |
| |
| 引用本文： | 李小剑,谢晓尧.基于支持向量机与k近邻相结合的网络入侵检测研究[J].贵州师范大学学报(自然科学版),2015,33(3):86-91. |
| |
| 作者姓名： | 李小剑 谢晓尧 |
| |
| 作者单位： | 贵州师范大学贵州省信息与计算科学重点实验室,贵州贵阳,550001 |
| |
| 基金项目： | 中央财政支持地方发展高校基金 |
| |
| 摘 要： | 针对基于支持向量机算法的网络入侵检测方法,对交错严重的大规模复杂样本集,分类面附近的样本被正确分类可信度低,基于k近邻算法的检测方法测试结果不稳定等问题,提出一种将k近邻与支持向量机相结合的网络入侵检测方法。在分类时,计算待识别的网络连接记录样本与最优分类超平面的距离,如果距离大于预设阀值,采用支持向量机算法对连接记录进行分类,否则采用k近邻法对连接记录进行分类,同时为减少检测方法受样本分布不均衡的影响,采用带权重因子的欧式距离来度量样本间的相似度。最后在KDD99数据集上进行仿真实验,结果表明,相对于单一的支持向量机或k近邻算法的网络入侵检测方法,k近邻与支持向量机相结合的入侵检测方法可以进一步提高网络入侵检测的正确率,是一种较好的网络入侵检测方法。
|
| 关 键 词： | 入侵检测 支持向量机 k近邻 欧式距离 |
Research on network intrusion detection based on support vector machine combine with k nearest neighbor method |
| |
| LI Xiaojian
,
XIE Xiaoyao.Research on network intrusion detection based on support vector machine combine with k nearest neighbor method[J].Journal of Guizhou Normal University(Natural Sciences),2015,33(3):86-91. |
| |
| Authors: | LI Xiaojian XIE Xiaoyao |
| |
| Abstract: | |
| |
| Keywords: | intrusion detection support vector machine k nearest neighbor euclidean distance |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
