文献类型：期刊文章

作　　者：戚名钰[1] 刘铭[2] 傅彦铭[2]

机构地区：[1]中国科学技术大学软件学院,安徽合肥230000 [2]广西大学计算机与电子信息学院,广西南宁530004

出　　处：《信息网络安全》

基　　金：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]

年　　份：2015

期　　号：2

起止页码：15-18

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：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。

关 键 词：入侵检测 主成分分析 支持向量机 KDD99数据集  属性约简

分 类 号：TP393.08] TP181[计算机类]