基于GPU和特征选择的SVM入侵检测模型.pdfVIP

第 38卷 第 8期 计 算 机 工 程 2012年4月 V0l-38 NO．8 ComputerEngineering April2012 · 安全技术 · ~Imq-：1o00—34282【012)o8—0111— 3 文献标识码：A 中圈分类号：TP3092· 基于GPU和特征选择的SVM 入侵检测模型 夏永祥，史志才 (上海工程技术大学电子电气工程学院，上海 201620) 摘 要：基于支持向量机的入侵检测模型检测效率较低，为此，提出一种基于图形处理器(GPU)和特征选择的入侵检测模型。在入侵检测 过程中，采用基于 GPU 的并行计算模型进行训练，并对样本的特征进行合理选择 ，从而提高检测效率。实验结果表明，在保证系统性能 的情况下，该模型可以缩短训练时间。 关健词：入侵检测；支持向量机 ；图形处理器；统一计算设备架构；特征选择；并行计算 SVM IntrusionDetectionM odelBased0nGPU andFeatureSelection XIAYong—xiang，SHIZhi—cai (CollegeofElectronicandElectricalEngineering，ShanghaiUniversityofEngineeringScience，Shanghai201620，China) [Abstract]InordertooptimizetestefficiencyofIntrusionDetectionSystem(IDS)basedonSupportVectorMachine(SVM)，anewintrusion detectionmethodbasedonGraphicsProcessingUnit(GPU)and~atureselectionisproposed．Duringtheprocessofintursiondetection，GPU—based parallelcomputingmodelisadoptedandfeaturesofsamplesarereasonableselected．Experimentalresultsdemonstratehtathteproposedmethodcan reducetimeconsumptioninhtetrainingprocedureofIDSandtheperformanceforintursiondetectioniskeptasusua1． [Keywords]intrusiondetection；SupportVectorMachine(SVM)；GraphicsProcessingUnit(GPU)；ComputeUnifiedDeviceArchitecture(CUDA)； featureselection；parallelcomputing D0I：10．3969／j．issn．1000—3428．2012．08．036 l 概述 可以通过核函数把数据映射到高维特征空间来解决。支持向 量算法是一个凸优化问题，局部最优解就是全局最优解。 随着计算机和网络技术应用的日益普及，网络安全问题 日显突出。来 自计算机系统外部和内部的入侵者可能会对系 设有 2类线性可分的样本集合：(Xi,Y)，i=l，2，…，， 统进行破坏，或者试图窃取客户的个人信息。为了保证计算 Xi∈R ，Yi∈{+1，-1}，满足条件： 机系统及信息的安全，网络入侵检测技术得到了发展和应用。 Yil(-t)+6J一1≥0，i=1，2，-·-， (1) 入侵检测系统(IntrusionDetectionSystem，IDS)是一种能