计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2011年
16期
117-119
,共3页
牟琦%毕孝儒%龚尚福%厍向阳
牟琦%畢孝儒%龔尚福%厙嚮暘
모기%필효유%공상복%사향양
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
中間分類超平麵%樣本縮減%潛在支持嚮量%支持嚮量機%入侵檢測
중간분류초평면%양본축감%잠재지지향량%지지향량궤%입침검측
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.
在網絡入侵檢測中,大規模數據集會導緻支持嚮量機(SVM)方法訓練時間長、檢測速度慢.針對該問題,提齣一種基于中間分類超平麵的SVM入侵檢測方法.通過對正常和攻擊樣本的聚類分析,定義聚類簇中心的邊界麵接近度因子,實現對標準SVM二次式的改進;用簇中心對其訓練,穫取一箇接近最優超平麵的中間分類超平麵;確定距離閾值,以選取潛在支持嚮量,實現訓練樣本的縮減.在KDDCUP1999數據集上進行實驗,結果錶明,與聚類支持嚮量機方法相比,該方法能簡化訓練樣本,提高SVM的訓練和檢測速度.
재망락입침검측중,대규모수거집회도치지지향량궤(SVM)방법훈련시간장、검측속도만.침대해문제,제출일충기우중간분류초평면적SVM입침검측방법.통과대정상화공격양본적취류분석,정의취류족중심적변계면접근도인자,실현대표준SVM이차식적개진;용족중심대기훈련,획취일개접근최우초평면적중간분류초평면;학정거리역치,이선취잠재지지향량,실현훈련양본적축감.재KDDCUP1999수거집상진행실험,결과표명,여취류지지향량궤방법상비,해방법능간화훈련양본,제고SVM적훈련화검측속도.
