信息技术与信息化
信息技術與信息化
신식기술여신식화
INFORMATION TECHNOLOGY & INFORMATIZATION
2014年
3期
67-70
,共4页
主成分分析%相似属性主成分分析%支持向量机%特征抽取%网络入侵检测
主成分分析%相似屬性主成分分析%支持嚮量機%特徵抽取%網絡入侵檢測
주성분분석%상사속성주성분분석%지지향량궤%특정추취%망락입침검측
针对现有网络入侵检测算法泛化能力差与处理大样本数据耗时长的问题,本文提出了基于相似属性主成分分析(PCA)与支持向量机(SVM)的网络入侵检测的方法.采用KDD 1999数据集仿真,原始数据集根据属性间的相似程度分为四类属性集,对四类属性集分别采用PCA进行特征抽取,最后用SVM检验分类的正确率.实验结果表明:与直接采用PCA对全部属性一起降维相比,相似属性PCA的分类降维方法有较短的处理时间,并且有更强的泛化能力,即对未知攻击类型的检测性能.
針對現有網絡入侵檢測算法汎化能力差與處理大樣本數據耗時長的問題,本文提齣瞭基于相似屬性主成分分析(PCA)與支持嚮量機(SVM)的網絡入侵檢測的方法.採用KDD 1999數據集倣真,原始數據集根據屬性間的相似程度分為四類屬性集,對四類屬性集分彆採用PCA進行特徵抽取,最後用SVM檢驗分類的正確率.實驗結果錶明:與直接採用PCA對全部屬性一起降維相比,相似屬性PCA的分類降維方法有較短的處理時間,併且有更彊的汎化能力,即對未知攻擊類型的檢測性能.
침대현유망락입침검측산법범화능력차여처리대양본수거모시장적문제,본문제출료기우상사속성주성분분석(PCA)여지지향량궤(SVM)적망락입침검측적방법.채용KDD 1999수거집방진,원시수거집근거속성간적상사정도분위사류속성집,대사류속성집분별채용PCA진행특정추취,최후용SVM검험분류적정학솔.실험결과표명:여직접채용PCA대전부속성일기강유상비,상사속성PCA적분류강유방법유교단적처리시간,병차유경강적범화능력,즉대미지공격류형적검측성능.
