-
题名基于中间分类超平面的SVM入侵检测
被引量：3
- 1
-
-
作者
牟琦
毕孝儒
龚尚福
厍向阳
-
机构
西安科技大学计算机学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2011年第16期117-119,共3页
-
基金
陕西省自然科学基金资助项目(2009JM7007)
-
文摘
在网络入侵检测中,大规模数据集会导致支持向量机(SVM)方法训练时间长、检测速度慢。针对该问题,提出一种基于中间分类超平面的SVM入侵检测方法。通过对正常和攻击样本的聚类分析,定义聚类簇中心的边界面接近度因子,实现对标准SVM二次式的改进;用簇中心对其训练,获取一个接近最优超平面的中间分类超平面;确定距离阈值,以选取潜在支持向量,实现训练样本的缩减。在KDDCUP1999数据集上进行实验,结果表明,与聚类支持向量机方法相比,该方法能简化训练样本,提高SVM的训练和检测速度。
-
关键词
中间分类超平面
样本缩减
潜在支持向量
支持向量机
入侵检测
-
Keywords
middle classification hyperplane
sample reduction
Possible Support Vectors（PSV）
Support Vector Machine（SVM）
intrusion detection
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
