文献类型：期刊文章

作　　者：池亚平[1,2] 凌志婷[1,2] 王志强[1] 杨建喜[1]

CHI Yaping;LING Zhiting;WANG Zhiqiang;YANG Jianxi(Department of Cyber Space Security,Beijing Electronic Science and Technology Institute,Beijing 100070,China;Key Laboratory of Network Assessment Technology of CAS,Institute of Information Engineering,Chinese Academy of Sciences,Beijing 100093,China)

机构地区：[1]北京电子科技学院网络空间安全系,北京100070 [2]中国科学院信息工程研究所中国科学院网络测评技术重点实验室,北京100093

出　　处：《计算机工程》

基　　金：国家重点研发计划“云计算与大数据”重点专项(2018YFB1004101)

年　　份：2019

卷　　号：45

期　　号：10

起止页码：183-188

语　　种：中文

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

摘　　要：入侵检测系统在大数据量的情况下误报率高、泛化能力弱,且单一机器学习算法不能较好地应对多种攻击类型。为此,设计一个基于支持向量机(SVM)与Adaboost算法的入侵检测系统。依托Snort系统,利用主成分分析方法对提取的特征做降维处理,并将SVM-Adaboost集合算法作为检测引擎。采用NSL-KDD数据集进行训练和测试,实验结果表明,该系统的正确率达到97.3%,较SVM算法和Adaboost算法分别提高4.8%和14.3%。

关 键 词：支持向量机 ADABOOST算法 数据降维 入侵检测系统 接受者操作特征曲线  

分 类 号：TP309]