计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2012年
10期
3777-3782
,共6页
入侵检测系统%高维数据%约简%特征提取%递归支持向量机%支持向量机
入侵檢測繫統%高維數據%約簡%特徵提取%遞歸支持嚮量機%支持嚮量機
입침검측계통%고유수거%약간%특정제취%체귀지지향량궤%지지향량궤
入侵检测系统(IDS)在处理高维数据时具有计算量大、占用计算机资源较多、训练和预测时间较长等缺点,这就需要对数据在确保有用信息不丢失的前提下进行约简.递归支持向量机(R-SVM)根据各个特征在svm分类器中的贡献大小从分类结果中提取使分类器性能最好的特征,以实现维数约简的目的.将R-SVM理论引入入侵检测系统中,提出了一种基于R-SVM入侵检测方法.通过对KDDCUP99数据集中10 Percent数据子集的测试实验结果表明,与用粗糙集做特征提取及传统的几种分类算法相比,用R-SVM做特征提取并结合SVM分类算法用于IDS中的性能较好；与使用全部特征构建的支持向量分类器相比,前者能在保障较好的分类精度的同时,降低训练和预测时间.
入侵檢測繫統(IDS)在處理高維數據時具有計算量大、佔用計算機資源較多、訓練和預測時間較長等缺點,這就需要對數據在確保有用信息不丟失的前提下進行約簡.遞歸支持嚮量機(R-SVM)根據各箇特徵在svm分類器中的貢獻大小從分類結果中提取使分類器性能最好的特徵,以實現維數約簡的目的.將R-SVM理論引入入侵檢測繫統中,提齣瞭一種基于R-SVM入侵檢測方法.通過對KDDCUP99數據集中10 Percent數據子集的測試實驗結果錶明,與用粗糙集做特徵提取及傳統的幾種分類算法相比,用R-SVM做特徵提取併結閤SVM分類算法用于IDS中的性能較好；與使用全部特徵構建的支持嚮量分類器相比,前者能在保障較好的分類精度的同時,降低訓練和預測時間.
입침검측계통(IDS)재처리고유수거시구유계산량대、점용계산궤자원교다、훈련화예측시간교장등결점,저취수요대수거재학보유용신식불주실적전제하진행약간.체귀지지향량궤(R-SVM)근거각개특정재svm분류기중적공헌대소종분류결과중제취사분류기성능최호적특정,이실현유수약간적목적.장R-SVM이론인입입침검측계통중,제출료일충기우R-SVM입침검측방법.통과대KDDCUP99수거집중10 Percent수거자집적측시실험결과표명,여용조조집주특정제취급전통적궤충분류산법상비,용R-SVM주특정제취병결합SVM분류산법용우IDS중적성능교호；여사용전부특정구건적지지향량분류기상비,전자능재보장교호적분류정도적동시,강저훈련화예측시간.
