基于改进的SVM方法的异常检测研究
2016-11-07张辉刘成
网络与信息安全学报 2016年8期
张辉,刘成
(1. 新疆公安厅特别侦察队,新疆 乌鲁木齐 830000;2. 国家计算机网络应急技术处理协调中心,北京 100029)
基于改进的SVM方法的异常检测研究
张辉1,刘成2
(1. 新疆公安厅特别侦察队,新疆 乌鲁木齐 830000;2. 国家计算机网络应急技术处理协调中心,北京 100029)
利用非参数检验的方法提取出对分类结果影响显著的特征变量,提出一种改进的SVM多分类方法(D-SVM),其融合了判别分析,可以解决样本不均衡导致的分类不准确和误报率高的问题。将多分类问题处理成一个个二分类问题,D-SVM既可以保持SVM较好的分类准确性,同时又可以不受样本不均衡的影响,具有较低的误报率。将D-SVM应用到KDD99数据集,结果表明,该方法具有较高的分类准确性和较低的误报率。
异常检测;非参数检验;SVM分类;样本不均衡;判别分析
1 引言
计算机技术和互联网的发展极大地促进了网络与企业、个人生活的融合。据中国互联网信息中心《第37次中国互联网络发展状况统计报告》显示,截至2015年12月,全国使用计算机办公的企业比例为95.2%,涉及供应链、营销、财务和人力资源等方面;与此同时,网络购物和网络社交等已成为人们生活必不可少的一部分。随着“互联网+”的逐渐深入,网络的作用会更加突出,网络安全问题也将会变得十分严峻,并成为制约网络发展的因素。入侵检测在网络安全中有重要的作用,它可以实时地监测、阻止来自网络外部和内部的入侵,保护网络免受攻击,造成损失。入侵检测方法可以分为2类[1]:误用检测(misuse detection)和异常检测(anomaly detection)。……
登录APP查看全文
