基于CS和LS-SVM的入侵检测算法
2016-02-24陈天宇马世杰
计算机技术与发展 2016年5期
陈天宇,吴 凡,马世杰,李 雷
(南京邮电大学,江苏 南京 210023)
基于CS和LS-SVM的入侵检测算法
陈天宇,吴 凡,马世杰,李 雷
(南京邮电大学,江苏 南京 210023)
由于入侵检测中具有原始数据量大、维度较高、冗余度较大等特点,导致传统的入侵检测算法面对海量数据时检测识别度低,运行时间长,性能较差。为此,文中提出了一种将压缩感知和最小二乘支持向量机应用于入侵检测系统的方法。其创新点主要在于:引入压缩采样技术提取原始数据特征,在保留原数据主要特征的前提下,将高维数据转化为低维数据;利用最小二乘支持向量机直接在观测域中训练和分类数据,且核函数通过组合核函数构建。仿真结果表明,运用压缩感知进行特征提取能够极大保留原始特征,而最小二乘支持向量机能够在不损失精度的前提下加速分类。该方法能够较大地减少训练时间,并可以有效提高检测精度。
压缩感知;最小二乘法;支持向量机;入侵检测
1 概 述
随着经济社会的发展,互联网被广泛应用于社会的各行各业。然而,人们在享受互联网带来的便利和高效的同时,其本身却充斥着安全隐患,对财产安全和隐私造成了巨大威胁。在这样的社会大环境下,入侵检测系统(IntrusionDetectionSystem,IDS)成为当下的热门研究领域[1],其本质上是个分类问题[2]。目前,入侵检测主要通过机器学习、数据挖掘、神经网络等方式完成[3-8],其一般流程为提取入侵行为或正常行为的数据特征,构建出一个特征数据库,从中进行模式匹配,从而完成入侵检测。……
登录APP查看全文
