文献类型：期刊文章

作　　者：郑凯梅[1,2] 钱旭[1]

机构地区：[1]中国矿业大学机电与信息工程学院,北京100083 [2]中国防卫科技学院信息工程系,北京101601

出　　处：《计算机工程与应用》

基　　金：07教育部科学技术研究重点(重大)项目资助No.107021~~

年　　份：2010

卷　　号：46

期　　号：3

起止页码：20-22

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：入侵检测是计算机安全研究方面的热点领域,在入侵检测数据可视化和分类方面面临的问题是其高维特性。流形学习算法Isomap是有效的非线性降维工具。但是Isomap算法在实际应用中存在不能保证构造连通的邻接图和没有利用样本已知类别标记的缺点,针对上述缺陷提出了健壮的有监督S-kv-Isomap算法。该算法利用类别标记来指导降维,并且利用k-variable算法构造联通的邻接图。实验选用KDDCUP1999数据集,对四类入侵数据即Dos、R2L、Probe、U2R进行了可视化和分类研究。可视化中比较了S-kv-Isomap算法与kv-Isomap算法,前者具有更好的可视化效果。在分类研究中比较了S-kv-Isomap、kv-Isomap、SVM和k-NN算法,实验结果表明,S-kv-Isomap方法在入侵检测中不仅保持较高的入侵检测率,而且误警率很低。

关 键 词：有监督学习 维数约简 流形学习 ISOMAP 可视化  分类  入侵检测

分 类 号：TP393]