-
题名基于多通道特征提取的入侵检测模型研究
- 1
-
-
作者
刘安云
黄洪
方彬皓
-
机构
四川轻化工大学计算机科学与工程学院
企业信息化与物联网测控技术四川省高校重点试验室
-
出处
《四川轻化工大学学报（自然科学版）》
CAS
2022年第6期57-65,共9页
-
基金
四川省科技计划项目(2020YFG0151)
企业信息化与物联网测控技术四川省高校重点实验室项目(2021WZY01)
四川轻化工大学大学生创新创业训练计划项目(CX2021092)。
-
文摘
网络流量数据的高维、冗余和噪声严重影响了入侵检测模型的实时检测能力。为了提高入侵检测模型的检测速度与准确率,提出了一种基于多通道特征提取的入侵检测模型。该模型将深度学习与浅层学习技术相结合,利用多个深度自编码器对无标签的高维数据进行特征提取,再利用支持向量机多分类器对低维数据进行入侵检测。为了评估该模型的有效性,在现有的入侵数据集NSL-KDD与UNSW-NB15上进行试验评估。试验结果表明:相比于单一的支持向量机入侵检测模型,该模型的准确率和检测速度在NSL-KDD上分别提高24.9%和91.69%,在UNSW-NB15上分别提高36.9%和94.91%,从而帮助支持向量机提高了对高维数据的检测能力。
-
关键词
入侵检测
多通道特征提取
深度自编码器
支持向量机多分类器
-
Keywords
intrusion detection
multi-channel feature extraction
deep autoencoder
support vector machine multi-classifier
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于机器学习的传感网核心节点漏洞检测仿真
- 2
-
-
作者
徐寅森
李红艳
张子栋
-
机构
商丘学院计算机工程学院
集美大学计算机工程学院
-
出处
《计算机仿真》
2024年第3期410-414,共5页
-
基金
河南省高等学校精品在线开放课程(教高[2019]671)。
-
文摘
传感网的核心节点具有能量受限、难补给的特点,导致节点轮休时易出现的覆盖漏洞问题,造成传感网监测盲区。为此提出基于机器学习的传感网核心节点漏洞检测方法。利用支持向量机树形多分类器获取核心节点的位置。采取主成分分析法提取核心节点特征,将其输入到LSTM长短记忆神经网络模型中,并利用滑动窗口与哈希函数训练漏洞检测分类模型,完成传感网核心节点的漏洞检测。实验结果表明,研究方法检测传感网漏洞时平均耗时为13.6ms,检测率和准确率均可高达95%,计算得到性能消耗低于10%,90%的用户响应时间均在50ms以内。
-
关键词
支持向量机树型多分类器
特征提取
主成分分析
线性哈希函数
欧氏距离
-
Keywords
support vector machine tree multi-classifier
Feature extraction
Principal component analysis
Linear Hash function
Euclidean distance
-
分类号
TP212.9
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名一种基于支持向量机决策树多类分类器
被引量：10
- 3
-
-
作者
乔增伟
孙卫祥
-
机构
江苏工业学院计算机科学与工程系
上海交通大学振动冲击噪声国家重点实验室
-
出处
《计算机应用与软件》
CSCD
2009年第11期227-230,共4页
-
文摘
提出一种基于支持向量机决策树的多类分类器SVMDT(Support Vector Machines based Decision Tree)。训练时,SVMDT采用样本类间最小距离原则进行决策树分叉,综合考虑局部类簇,生成一棵平衡的分类二叉树。分类时,SVMDT采用最大距离原则匹配决策。SVMDT训练时采用的距离为等效距离,综合考虑特征空间中样本类的中心距离以及样本类自身的分布特点,使得训练过程中确定各个SVM的优先级别更加合理,由此生成的决策树将特征空间严格划分开,避免了拒识区域的出现。UCI样本数据集实验结果表明,和传统的1对多SVM分类器相比,SVMDT具有训练速度快、分类速度快,分类精度高的特点。
-
关键词
决策树
支持向量机
多类分类器
平衡二叉树
可分性度量
-
Keywords
Decision tree support vector machine multi-class classifier Balanced binary tree Separability measurement
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP181
[自动化与计算机技术—计算机科学与技术]
-
