文献类型：期刊文章

作　　者：汪生[1] 金志刚[2]

Wang Sheng;Jin Zhigang(Northern Institute of Electronic Equipment of China,Beijing 100191,China;School of Electronic Automation&Information Engineering,Tianjin University,Tianjin 300072,China)

机构地区：[1]中国北方电子设备研究所,北京100191 [2]天津大学电气自动化与信息工程学院,天津300072

出　　处：《计算机应用研究》

年　　份：2020

卷　　号：37

期　　号：2

起止页码：501-504

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：为解决入侵检测分类遇到的训练样本数量少、分类准确率低的问题,提出基于模糊支持向量机的多级分类机制。该分类机制训练模糊SVM模型将数据粗分为正常与攻击大类,采用DBSCAN算法产生细分模型进行攻击子集的自动聚类,将有关数据细分得到攻击的具体细类。在机制设计中,优化了隶属度函数的计算、设计了数据标准化与归一化等过程,并训练了高效分类器。实验表明,针对网络入侵检测数据中常见的孤立点干扰、噪声多,并且负样本占比多的网络业务数据集,新算法在保持分类准确率高的前提下,分类过程的计算时间较短。

关 键 词：模糊  SVM 入侵检测 分类  

分 类 号：TP393.08] TP181[计算机类]