李汉彪
- 作品数:2 被引量:15H指数:2
- 供职机构:江南大学物联网工程学院更多>>
- 发文基金:高等学校科技创新工程重大项目国家自然科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 基于属性约简和SVM参数优化的入侵检测方法被引量:3
- 2011年
- 支持向量机(SVM)对于小样本、非线性、高维等分类问题,具有较强的适用性。但是SVM存在训练时间长,样本集占用存储空间过大等问题。提出一种基于属性约简和参数优化的SVM的入侵检测方法。利用粗糙集理论对样本集进行特征约简并使用改进的网格搜索算法对SVM参数进行优化,删除对入侵检测无影响的属性,从而解决SVM训练时间长以及存储空间大的问题。KDD99数据集下的实验表明,该方法是有效的入侵检测方式,不仅加快训练速度,还提高入侵检测的准确率。
- 周志德周志德
- 关键词:粗糙集属性约简参数优化入侵检测
- 一种SVM入侵检测的融合新策略被引量:13
- 2012年
- 入侵检测是计算机网络安全中不可或缺的组成部分,其中异常检测更是该领域研究的热点内容。现有的检测方法中,SVM能够在小样本条件下保持良好的检测状态。但是单一的SVM检测仍存在检测率不高、误报率过高等局限性。结合D-S证据理论,提出一种基于多SVM融合的异常检测方法,有效地弥补单个SVM检测的局限性。通过KDD99评测数据的评测实验表明,该方法有效地提高了入侵检测率的同时降低了误报率,大幅度地提高了入侵检测系统的检测性能。
- 李汉彪刘渊
- 关键词:入侵检测异常检测D-S证据理论