组合核函数SVM在网络安全风险评估中的应用.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 组合核函数SVM在网络安全风险评估中的应用 高会生，郭爱玲 GAO Hui-sheng，GUO Ai—ling 华北电力大学，电子与通信工程系 ，河北 保定 071003 DepartmentofElectronicand TelecommunicationEngineering，North ChinaElectric PowerUniversity，Baoding，Hebei071003，China E-mail：guoailing@126．corn _ — GAO Hui—sheng．GUO Ai—ling．Application ofcombined kernelSVM on network security risk evaluationC·omputerEngi— neeringandApplications。2009。45(11)：123-125． Abstract：Kernelfunction isthekey technology ofSVM，the choiceofkernelwillaffectthe learningability and generalization abilityofSVM．Sinceeverytraditionalkernelhasitsadvantagesanddisadvantages，thispaperanalyzestheprincipleoftraditionalker— nelsand adoptsanew kernelofcombined kernelwhich hasbettergeneralization abilityandbetterlearningba ility，and adoptshte combinedkernelSVM intonetwork securityrisk evaluation，and then compareswiht theSVM using traditional kernels．Theresults show thattheSVM basedoncombinedkernelshasbatterspeedand higherforceofclassificationthant}latwithtraditionalkernels． Keywords：SupportVectorMachine(SVM)；combinedkernel；networksecuriyt；riskevaluation 摘 要：核函数是SVM的关键技术，核函数的选择将影响着支持向量机的学习能力和泛化能力。各个普通核函数各有利弊，在分 析各个普通核函数的基础上，采用了一种新的组合核函数，它既具有很好的泛化能力，也具有很好的学习能力，并将其构造的支持 向量机应用到网络安全的风险评估中，与普通核函数构造的支持向量机的评估效果进行比较。结果表明组合核函数支持向量机不 仅提高了分类速度．而且具有较高的分类精度。 关键词：支持向量机；组合核函数；网络安全；风险评估 DOI：10．3778／j．issn．1002—8331．2009．11．038 文章编号：1002—8331(2009)11-0123—03 文献标识码：A 中图分类号：TP393 l 引言 参数。本文在分析各个核函数的优缺点的基础上，采用了一种 支持向量机(SupportVectorMachine，SVM)理论[】是20世 新的组合核函数，它既具有很好的泛化能力，也具有很好的学 纪9O年代由Vapnik等人提出的一种新的机器学习方法，它通 习能力，并以此构造的SVM来进行网络安全的风险评估，提高 过引入核函数将原空间中的线性不可分数据映射到高维特征 了SVM的评估性能。 空间实现线性可分；它以统计学习理论为基础 ，专门针对有限 样本情况，具有适应性的模型结构，结构简单、易于优化；算法 2 支持 向量机原理 最终将转化成为二次型寻优问题，从理论上将得到全局最优 SVM是基于统计学习理论中VC维理论和结构风险最小 解；在结构风险最小化原则下，使其具有良好的泛化能力。