基于K-SVD的协同入侵检测.pdfVIP

第37卷第23期 计算机工程 2011年12月 Vbl．37NO．23 ComputerEngineering December201l 文献标识码：A ·安全技术· 文章编号ll∞肛删(2011)23__0119—舵 中图分类号：TP311 基于K．SVD的协同入侵检测 崔振1’2 (1．华侨大学计算机科学与技术学院，福建厦门361021；2．中国科学院计算技术研究所，北京100190) 摘要：从编码角度出发，应用稀疏理论学习鲁棒特征。在训练过程中，融合监督类另Ⅱ信息，采用判别式K-SVD算法，优化学习过完备 字典和线性判别函数。在测试过程中，将稀疏编码系数作为数据的表示形式，以增强表示力和判别力。实验结果表明，基于判别式K—SVD 的方法能获得较高的检测率，且误报率较低，对不平衡数据集也有较好的鲁棒性。 关椎词：稀疏表示；奇异值分解；支持向量机；协同；入侵检测 eratlveIntruIntrusionDetectionetectiOnaseaOnK．SVDK-SVD Cooperative CUIZhenl‘2 361021，China； 2．Institute of of ． ComputingTechnology,ChineseAcademySciences，Beijing100190，China) This the of tolearnrobust classinformationinto [Ahstracti the paperappliestheorysparserepresentation features．Byfusing trainingprocess，it discriminantK—SVD tointrusion the andthelinear detection，which discriminantfunction applies algorithm optimizesover-completeddictionary USeSthe coefficientsas ismoreeffective and together．When sparse feature，which discriminative testing，it sample’S representational power． resultsdemonstratethatitCan detectionrateandlowerfalsealarm has robustnessinthe Experimental guaranteehigher rate．Meanwhile，it good imbala