计算机工程与科学
計算機工程與科學
계산궤공정여과학
COMPUTER ENGINEERING & SCIENCE
2013年
6期
47-51
,共5页
入侵检测%SVM%信息熵
入侵檢測%SVM%信息熵
입침검측%SVM%신식적
intrusion detection%SVM%entropy
在传统基于SVM的入侵检测中,核函数构造和特征选择采用先验知识,普遍存在准确度不高、效率低下的问题.通过信息熵理论与SVM算法相结合的方法改进为基于信息熵的SVM入侵检测算法,可以提高入侵检测的准确性,提升入侵检测的效率.基于信息熵的SVM入侵检测算法包括两个方面:一方面,根据样本包含的用户信息熵和方差,将样本特征统一,以特征是否属于置信区间来度量.将得到的样本特征置信向量作为SVM核函数的构造参数,既可保证训练样本集与最优分类面之间的对应关系,又可得到入侵检测需要的最大分类间隔；另一方面,将样本包含的用户信息量作为度量大幅度约简样本特征子集,不但降低了样本计算规模,而且提高了分类器的训练速度.实验表明,该算法在入侵检测系统中的应用优于传统的SVM算法.
在傳統基于SVM的入侵檢測中,覈函數構造和特徵選擇採用先驗知識,普遍存在準確度不高、效率低下的問題.通過信息熵理論與SVM算法相結閤的方法改進為基于信息熵的SVM入侵檢測算法,可以提高入侵檢測的準確性,提升入侵檢測的效率.基于信息熵的SVM入侵檢測算法包括兩箇方麵:一方麵,根據樣本包含的用戶信息熵和方差,將樣本特徵統一,以特徵是否屬于置信區間來度量.將得到的樣本特徵置信嚮量作為SVM覈函數的構造參數,既可保證訓練樣本集與最優分類麵之間的對應關繫,又可得到入侵檢測需要的最大分類間隔；另一方麵,將樣本包含的用戶信息量作為度量大幅度約簡樣本特徵子集,不但降低瞭樣本計算規模,而且提高瞭分類器的訓練速度.實驗錶明,該算法在入侵檢測繫統中的應用優于傳統的SVM算法.
재전통기우SVM적입침검측중,핵함수구조화특정선택채용선험지식,보편존재준학도불고、효솔저하적문제.통과신식적이론여SVM산법상결합적방법개진위기우신식적적SVM입침검측산법,가이제고입침검측적준학성,제승입침검측적효솔.기우신식적적SVM입침검측산법포괄량개방면:일방면,근거양본포함적용호신식적화방차,장양본특정통일,이특정시부속우치신구간래도량.장득도적양본특정치신향량작위SVM핵함수적구조삼수,기가보증훈련양본집여최우분류면지간적대응관계,우가득도입침검측수요적최대분류간격；령일방면,장양본포함적용호신식량작위도량대폭도약간양본특정자집,불단강저료양본계산규모,이차제고료분류기적훈련속도.실험표명,해산법재입침검측계통중적응용우우전통적SVM산법.
