10.3969/j.issn.1671-1122.2015.02.003
基于PCA的SVM网络入侵检测研究
文章针对传统入侵检测方法无法很好地对大样本数据降维、检测效率低、时间长、误报漏报率高等缺点,提出一种基于主成分分析(principal component analysis,PCA)的支持向量机(support vector machine,SVM)网络入侵检测方法(PCA-SVM).该方法在对数据进行预处理之后,通过PCA对原始数据集的41个属性进行数据降维并消除冗余数据,找到具有最优分类效果的主成分属性集,然后再以此数据集训练支持向量机分类器,得到检测器.实验选择KDD99数据集在Matlab平台上对PCA-SVM算法进行仿真.相比于由传统41个属性训练得到的入侵检测器,文中方法大大缩短了检测时间,提高了检测效率,为网络入侵检测技术提供了一种新的可行方案.
入侵检测、主成分分析、支持向量机、KDD99数据集、属性约简
TP309(计算技术、计算机技术)
国家自然科学基金61262072;广西大学大学生实验技能和科技创新能力训练基金SYJN20120735
2016-03-24（万方平台首次上网日期，不代表论文的发表时间）
共4页
15-18
