首页 | 官方网站   微博 | 高级检索  
     

基于参数优化SVM融合的网络异常检测
引用本文:陈烨,刘渊.基于参数优化SVM融合的网络异常检测[J].计算机应用与软件,2013(9).
作者姓名:陈烨  刘渊
作者单位:1. 江南大学数媒学院 江苏 无锡 214122; 江苏省信息融合软件工程技术研发中心 江苏 江阴214405
2. 江南大学数媒学院 江苏 无锡 214122
基金项目:国家自然科学基金项目(61103223);江苏省自然科学基金重点研究专项项目( BK2011003);江苏省信息融合软件工程技术研究开发中心开放基金项目( SR -2011-05)。
摘    要:网络异常检测技术是入侵检测系统中不可或缺的部分。然而目前的入侵检测系统普遍存在检测率不高,误报率过高等问题,从而难以在实际的企业中大规模采用。针对之前的检测技术检测效果不佳的问题,提出基于SVM回归和改进D-S证据理论的入侵检测方法。该方法是将支持向量机回归的分类融合应用到网络异常行为分析中,在SVM参数选择时采用交叉验证和深度优先搜索算法进行优化选择,并通过融合证据理论,建立网络异常检测模型。通过仿真实验表明,该模型能够有效地提高入侵检测性能,缩短检测时间。

关 键 词:异常行为分析  支持向量机  回归  参数优化  交叉验证

NETWORK ANOMALY DETECTION BASED ON PARAMETERS OPTIMISED SVM FUSION
Chen Ye , Liu Yuan.NETWORK ANOMALY DETECTION BASED ON PARAMETERS OPTIMISED SVM FUSION[J].Computer Applications and Software,2013(9).
Authors:Chen Ye  Liu Yuan
Abstract:
Keywords:Abnormal behaviour analysis  Support vector machine  Regression  Parameters optimisation  Cross-validation
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号