本文關(guān)鍵詞： 云模型 支持向量機 特征選擇 入侵檢測　出處：《華中師范大學學報(自然科學版)》2013年01期 　論文類型：期刊論文

【摘要】：針對目前特征選擇算法均存在容易陷入局部最優(yōu)、迭代后期收斂速度慢的缺陷,提出一種基于云模型和支持向量機(Support Vector Machine,SVM)的入侵檢測特征選擇方法,該方法采用逆向云發(fā)生器從真實訓(xùn)練數(shù)據(jù)中得到云的數(shù)字特征,形成實際判斷規(guī)則,實現(xiàn)正常數(shù)據(jù)建模,把網(wǎng)絡(luò)入侵檢測正確率作為SVM參數(shù)優(yōu)化目標函數(shù),以提高入侵檢測的正確率.在KDDCUP1999數(shù)據(jù)集上進行仿真實驗,結(jié)果表明該方法能更有效地精簡網(wǎng)絡(luò)數(shù)據(jù)特征,能夠有效地解決入侵檢測中存在的特征選擇問題,并在保證較高檢測率的基礎(chǔ)上,對不同類型的攻擊檢測具有良好的均衡性.
[Abstract]:The current feature selection algorithms are prone to fall into local optimum and slow convergence rate in late iteration. An intrusion detection feature selection method based on cloud model and support Vector machine (SVM) is proposed. The method uses reverse cloud generator to get the cloud digital features from the real training data, forms the actual judgment rule, realizes the normal data modeling, and takes the correct rate of network intrusion detection as the objective function of SVM parameter optimization. In order to improve the accuracy of intrusion detection, the simulation results on the KDDCUP1999 dataset show that the proposed method can reduce the network data features more effectively. It can effectively solve the problem of feature selection in intrusion detection, and on the basis of ensuring high detection rate, it has a good balance for different types of attack detection.
【作者單位】： 義烏工商職業(yè)技術(shù)學院;
【基金】：浙江省科技創(chuàng)新人才計劃項目(2010R30044)
【分類號】：TP393.08;TP18
【正文快照】： 隨著Internet的發(fā)展,網(wǎng)絡(luò)安全問題越來越嚴重,傳統(tǒng)被動防火墻技術(shù)已暴露出許多不足的缺陷,而網(wǎng)絡(luò)入侵檢測系統(tǒng)(Intrusion Detection Sys-tem,IDS)作一種主動安全防范措施,可以攔截各種網(wǎng)絡(luò)入侵和攻擊,成為網(wǎng)絡(luò)安全當前研究領(lǐng)域的熱點問題[1].特征選擇是為了降低特征空間的維數(shù)

【相似文獻】

相關(guān)期刊論文 前10條

1 楊富華;彭鋼;;PCA-SVM在網(wǎng)絡(luò)入侵檢測中的仿真研究[J];計算機仿真;2011年07期

2 石鐵峰;;支持向量機在電子郵件分類中的應(yīng)用研究[J];計算機仿真;2011年08期

3 傅向華;劉國;陳冬劍;;一種核心子集選擇訓(xùn)練的大規(guī)模中文網(wǎng)頁分類方法[J];小型微型計算機系統(tǒng);2011年08期

4 康樂;李東;余翔湛;;基于SVM的Fast-flux僵尸網(wǎng)絡(luò)檢測技術(shù)研究[J];智能計算機與應(yīng)用;2011年03期

5 康世瑜;;基于數(shù)據(jù)挖掘和特征選擇的入侵檢測模型[J];微電子學與計算機;2011年08期

6 毛靈;陳興蜀;吳仲光;譚駿;杜敏;;基于優(yōu)化SVM的P2P協(xié)議識別[J];計算機應(yīng)用研究;2011年07期

7 牟琦;畢孝儒;龔尚福;厙向陽;;基于中間分類超平面的SVM入侵檢測[J];計算機工程;2011年16期

8 顧成杰;張順頤;;基于改進SVM的網(wǎng)絡(luò)流量分類方法研究[J];儀器儀表學報;2011年07期

9 鄒根;聞立杰;;基于支持向量機的Web日志用戶標志修正算法[J];計算機集成制造系統(tǒng);2011年08期

10 顧名宇;;基于主動學習方法的網(wǎng)絡(luò)流分類研究[J];微電子學與計算機;2011年09期

相關(guān)會議論文 前10條

1 劉李男;楊岳湘;唐川;;一種基于熵優(yōu)化支持向量機的P2P流量檢測方法[A];2008通信理論與技術(shù)新發(fā)展——第十三屆全國青年通信學術(shù)會議論文集（下）[C];2008年

2 賀濤;曹先彬;;基于SVM的無線De-authentication攻擊檢測[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

3 張滿懷;;兩類基于異常的網(wǎng)絡(luò)入侵檢測方法的比較[A];2007中國科協(xié)年會——通信與信息發(fā)展高層論壇論文集[C];2007年

4 楊業(yè);王永驥;;基于Internet的網(wǎng)絡(luò)控制延時分析及預(yù)測[A];第二十三屆中國控制會議論文集（上冊）[C];2004年

5 謝毅;張俊靈;王瑩;胡翠林;;一種基于SVM的信息安全入侵檢測模型[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國青年通信學術(shù)會議論文集（上冊）[C];2007年

6 張家超;孔媛媛;;結(jié)合SVM與免疫遺傳算法設(shè)計IDS的檢測算法[A];2008年全國開放式分布與并行計算機學術(shù)會議論文集(下冊)[C];2008年

7 劉曉勇;;基于GA與SVM融合的網(wǎng)頁分類算法[A];中國運籌學會模糊信息與模糊工程分會第五屆學術(shù)年會論文集[C];2010年

8 張小強;朱中梁;范平志;;基于SVM和序列互相關(guān)特性的入侵檢測[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學術(shù)論壇（交通運輸工程學科）論文集（下冊）[C];2005年

9 張紅梅;;基于粗糙集特征約簡的SVM集成入侵檢測模型[A];2009中國控制與決策會議論文集（3）[C];2009年

10 陳琳;黃杰;龔正虎;;一種基于支持向量機的抗噪聲郵件分類方法[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2004年

相關(guān)博士學位論文 前10條

1 董春曦;支持向量機及其在入侵檢測中的應(yīng)用研究[D];西安電子科技大學;2004年

2 賈銀山;支持向量機算法及其在網(wǎng)絡(luò)入侵檢測中的應(yīng)用[D];大連海事大學;2004年

3 李戰(zhàn)春;入侵檢測中的機器學習方法及其應(yīng)用研究[D];華中科技大學;2007年

4 段丹青;入侵檢測算法及關(guān)鍵技術(shù)研究[D];中南大學;2007年

5 李千目;戰(zhàn)略互聯(lián)網(wǎng)故障智能診斷策略研究[D];南京理工大學;2005年

6 饒鮮;入侵檢測信道模型研究[D];西安電子科技大學;2006年

7 鄭洪英;基于進化算法的入侵檢測技術(shù)研究[D];重慶大學;2007年

8 魏宇欣;網(wǎng)絡(luò)入侵檢測系統(tǒng)關(guān)鍵技術(shù)研究[D];北京郵電大學;2008年

9 劉震;垃圾郵件過濾理論和關(guān)鍵技術(shù)研究[D];電子科技大學;2008年

10 柳斌;P2P流的測量與識別方法研究[D];華中科技大學;2008年

相關(guān)碩士學位論文 前10條

1 張寶華;支持向量機在入侵檢測系統(tǒng)中的研究和應(yīng)用[D];天津理工大學;2010年

2 徐華;基于支持向量機的Web文本挖掘研究[D];哈爾濱工程大學;2004年

3 葉春;局域支持向量機的改進及其在網(wǎng)絡(luò)流量預(yù)測中的應(yīng)用[D];西華大學;2010年

4 李佳;基于粒子群優(yōu)化支持向量機的異常入侵檢測研究[D];中南林業(yè)科技大學;2009年

5 楊翔宇;SVM在Web文本挖掘中的應(yīng)用與研究[D];哈爾濱工程大學;2005年

6 朱杰;支持向量機在入侵檢測中的應(yīng)用[D];西安電子科技大學;2008年

7 肖明;基于SVM的智能郵件過濾系統(tǒng)研究與實現(xiàn)[D];電子科技大學;2005年

8 楊麗華;基于內(nèi)容的垃圾郵件過濾技術(shù)研究[D];西南交通大學;2006年

9 王娟;基于粗糙集與支持向量機的Web文本分類[D];廈門大學;2008年

10 張峰;基于支持向量機的網(wǎng)站發(fā)布系統(tǒng)設(shè)計與實現(xiàn)[D];大連理工大學;2010年

，

本文編號：1466180