一种基于有监督局部决策分层支持向量机的异常检测方法.pdfVIP

第 32卷第 10期 电 子 与 信 息 学 报 、bI．32N0．1O 2010年 l0月 JournalofElectronics InformationTechnolog3~ 0ct．2010 一 种基于有监督局部决策分层支持向量机的异常检测方法 徐琴珍 杨绿溪 (东南大学信息科学与工程学院 南京 210096) 摘 要：该文针对包含多种攻击模式的高维特征空间中的异常检测问题，提出了一种基于有监督局部决策的分层支 持向量机(HSVM)异常检测方法。通过 HSVM 的二叉树结构实现复杂异常检测问题的分而治之，即在每个中间节 点上，通过信息增益准则构建有监督学习所需的训练信号，监督局部决策；在每个嵌入中间节点的二分类支持向量 机 (SVM1的训练过程中，以局部决策边界对特征的敏感度为依据，选择入侵检测的局部最优特征子集。实验结果表 明，该文提出的异常检测方法能够在训练信号的局部决策监督下构建具有 良好稳定性的检测学习模型，并能以更精 简的特征信息实现检测精确率和检测效率的提高。 关键词：异常入侵检测；分层支持向量机；特征信用度；有监督局部决策 中图分类号：TP391 文献标识码：A 文章编号：1009—5896(2010)10—2383—05 DOI：10．3724／SP．J．1146．2010．00321 A SupervisedLocalDecisionHierachicalSupportVector M achineBasedAnomalyIntrusionDetectionM ethod XuQin—-zhen fangLU．-xi (SchoolofInformationScienceandEngineering，SoutheastUniversity，Nanjing210096，China) Abstract：ThispaperdedicatestoproposeasupervisedlocaldecisionHierachicalSupportVectorMachine(HSVM) learningmodelforanomaly intrusion detectioninhigh dimensionalfeaturespace．Thebinary—treestructureof HSVM presentsa “divide—and—conquer”algorithm ofrcomplex anomaly intrusion detection problem，i．e．，the trainingsignalforsupervisinglocaldecisionateach internalnodeisconstructedaccordingto informationgain criterion．TheembeddedSVMsatinternalnodearetrainedonlocaloptimized featuresubsetsstandingon the sensitivitydegreesofamargintofeatures．Theexperimentalresultssuggestthattheproposedanomalyintrusion detection method can gain learning modelwith betterstability underthelocaldecision supervisaloftraining signals．Further，italsoachievescompetitivedetectionaccuracyandhigherdetectionefficiency withcondensed featureinformation． Keywords：Anomalyintrusiondetection；HierachicalSuppo