基于中间分类超平面的SVM入侵检测.pdfVIP

第37卷 第 16期 计 算 机 工 程 2011年 8月 、，o1．37 No．16 ComputerEngineering August2011 · 安全技术 · 文章编号，lo0o—aH428(2ol1)16’-o117—03 文献标识码tA 中田分类号·TP309 基于中间分类超平面的SVM 入侵检测 牟 琦，毕孝■，龚尚福，厍向阳 (西安科技大学计算机学院，西安 710054) 摘 要：在网络入侵检测中，大规模数据集会导致支持向量机(SVM)方法训练时间长、检测速度慢。针对该问题，提出一种基于中间分类 超平面的SVM入侵检测方法。通过对正常和攻击样本的聚类分析，定义聚类簇中心的边界面接近度因子，实现对标准SVM二次式的改进； 用簇中心对其训练 ，获取一个接近最优超平面的中间分类超平面；确定距离阈值 ，以选取潜在支持向量，实现训练样本的缩城。在 KDDCUP1999数据集上进行实验，结果表明，与聚类支持向量机方法相比，该方法能简化训练样本，提高SVM 的训练和检测速度。 关健词：中间分类超平面；样本缩减；潜在支持向量；支持向量机；入侵检测 SVM IntrusionDetectionBasedonM iddleClassificationHyperplane MUQi，BIXiao-ru，GoNGShang-fu，SHEXiang·yang (SchoolofComputer,Xia‘nUniversityofScienceandTechnology,Xi’an710054，China) [Abstract]Innetworkintrusiondetection．aimingtotheproblemthatllighdimensionalnadlargenetworkdataresultsinlongtrainingtimeandlow detectingspeedofSupportVectorMachine(SVM)，thispaperproposesanapproachforSVM intrusiondetectionbasedonmiddleclassification hype~lane．Basde onclusteringnormalandattacktrainingsamples，bydefiningapproachingdegreeofboundarysurfaceofeveryclusteringcenter, quadraticexpressionofstandardSVM isimproved；improvedSVM istrainedwiht clusteringcenterstoobtainamiddleclassificationhyperplane； hten training samplesraereducedby defining distancethreshold to obtainingPossibleSupport Vectors(PSV)．Experimental resultson KDDCUP1999data-setshow htatthemethod ismoreeffectivehtna clusterSVM inreducingrtainingsamplesand improvingthetrainingnad detectingspeedofSVM ． [Keywordsimiddleclassificationhyperplane；samplereduction；PossibleSupportVectors(PSV)；SuppoaVcetorMachine(SVM)；intrusion detection DoI：10．39690．issn．1000—3428．2011．16．039 1 概述 排序后的负类簇中心排序前在距离矩阵中的下标。 针对支持向量机(SupportVectorMachin