基于PCA的SVM网络入侵检测研究.pdfVIP

2015年第02期 基于PCA的SVM 网络入侵检测研究 戚名钰 ，刘铭 ，傅彦铭 (1．中国科学技术大学软件学院，安徽合肥230000；2．广西大学计算机与电子信息学院，广西南宁530004) 摘 要 ：文章针对传统入侵检测方法无法很好地对大样本数据降维、检测效率低、时间长、 误报漏报率高等缺点，提出一种基于主成分分析 (principalcomponentanalysis，PCA)的支持向 量机 (suppo~vectormachine，SVM )网络入侵检测方法 (PcA—svM )。该方法在对数据进行 预处理之后 ，通过 PCA对原始数据集的41个属性进行数据降维并消除冗余数据，找到具有最 优分类效果的主成分属性集，然后再 以此数据集训练支持向量机分类器，得到检测器。实验选 择KDD99数据集在Matlab平台上对PCA—SVM 算法进行仿真。相比于由传统41个属性训练 得到的入侵检测器，文中方法大大缩短了检测时间，提高了检测效率，为网络入侵检测技术提 供 了一种新的可行方案。 关键词 ：入侵检测 ；主成分分析 ；支持向量机 ；KDD99数据集 ；属性约简 中图分类号 ：TP309 文献标识码 ：A 文章编号 ：1671—1122(2015)02—0015—04 中文引用格式 ：戚名钰，刘铭，傅彦铭．基于PCA的SVM网络入侵检测研究 …．信息网络安全，2015， (2)：15—18． 英文引用格式 ：QIM LIUM，FUYM ．ResearchonNetworkIntrusionDetectionUsingSupportVector MachinesBasedonPrincipalComponentAnalysis[J]．NetinfoSecurity，2015，f2)：15—18． ResearchonNetworkIntrusionDetectionUsingSupportVector M achinesBasedonPrincipalComponentAnalysis QIMing—yu，LIUMing，FUYan—ming (I．SoftwareCollege，Universityof ScienceandTechnologyofChina，HefeiAnhui230000，China； 2．Schoolof Computer,ElectronicsandInformation，GuangxiUniversity,NanningGuangxi 530004，China) Abstract：Aimingattheshortcomingsofthetraditionalintrusiondetectionsystem，suchaslow rateofdetection，timewasting，highrateoffalsepositivesandSOon，thispaperproposedamethodof networkintrusiondetection(PCA-SVM)usingsupportvectorMachines(SVM)basedonprincipal componentanalysis(PCA)．Thismethodbeginswithdatapreprocessing，thenfindtheoptimalsetof attributesby traversingthe41principalcomponentattributevalues，finall