基于参数优化svm融合的网络异常检测-计算机应用与软件.pdfVIP

第３０卷第９期　　　 计算机应用与软件 Ｖｏｌ３０Ｎｏ．９ ２０１３年９月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｓｅｐ．２０１３ 基于参数优化ＳＶＭ融合的网络异常检测 １，２ １ 陈　烨 　刘　渊 １（江南大学数媒学院　江苏无锡２１４１２２） ２（江苏省信息融合软件工程技术研发中心　江苏江阴２１４４０５） 摘　要　　网络异常检测技术是入侵检测系统中不可或缺的部分。然而目前的入侵检测系统普遍存在检测率不高，误报率过高等 问题，从而难以在实际的企业中大规模采用。针对之前的检测技术检测效果不佳的问题，提出基于ＳＶＭ回归和改进ＤＳ证据理论 的入侵检测方法。该方法是将支持向量机回归的分类融合应用到网络异常行为分析中，在ＳＶＭ参数选择时采用交叉验证和深度优 先搜索算法进行优化选择，并通过融合证据理论，建立网络异常检测模型。通过仿真实验表明，该模型能够有效地提高入侵检测性 能，缩短检测时间。 关键词　　异常行为分析　支持向量机　回归　参数优化　交叉验证 中图分类号　ＴＰ３９３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１３．０９．０１２ ＮＥＴＷＯＲＫＡＮＯＭＡＬＹＤＥＴＥＣＴＩＯＮＢＡＳＥＤＯＮＰＡＲＡＭＥＴＥＲＳ ＯＰＴＩＭＩＳＥＤＳＶＭＦＵＳＩＯＮ １，２ １ ＣｈｅｎＹｅ 　ＬｉｕＹｕａｎ １（ＳｃｈｏｏｌｏｆＤｉｇｉｔａｌＭｅｄｉａ，ＪｉａｎｇｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ２１４１２２，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） ２（ＪｉａｎｇｓｕＥｎｇｉｎｅｅｒｉｎｇＲ＆ＤＣｅｎｔｅｒｆｏｒＩｎｆｏｒｍａｔｉｏｎＦｕｓｉｏｎＳｏｆｔｗａｒｅ，Ｊｉａｎｇｙｉｎ２１４４０５，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｎｅｔｗｏｒｋａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎｔｅｃｈｎｏｌｏｇｙｉｓａｎｉｎｄｉｓｐｅｎｓａｂｌｅｐａｒｔｉｎｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍ．Ｈｏｗｅｖｅｒ，ｃｕｒｒｅｎｔｌｙｔｈｅｐｏｏｒ ｄｅｔｅｃｔｉｏｎｒａｔｅａｎｄｈｉｇｈｆａｌｓｅｐｏｓｉｔｉｖｅｒａｔｅｉｎｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍｓａｒｅｗｉｄｅｌｙｅｘｉｓｔｅｄ，ｓｏｔｈｅｌａｒｇｅｓｃａｌｅｕｓｅｏｆｉｔｉｓｄｉｆｆｉｃｕｌｔｉｎｐｒａｃｔｉｃａｌ ｅｎｔｅｒｐｒｉｓｅｓ．Ａｉｍｉｎｇａｔｔｈｅｐｏｏｒｄｅｔｅｃｔｉｏｎｅｆｆｅｃｔｉｎｐｒｅｖｉｏｕｓｄｅｔｅｃｔｉｏｎｔｅｃｈｎｏｌｏｇｉｅｓ，ｗｅｐｒｏｐｏｓｅａｎｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｗｈｉｃｈｉｓｂａｓｅｄｏｎ ＳＶＭｒｅｃｅｓｓｉｏｎａｎｄｉｍｐｒｏｖｅｄＤＳｅｖｉｄｅｎｃｅｔｈｅｏｒｙ．Ｔｈｉｓｍｅｔｈｏｄａｐｐｌｉｅｓｔｈｅｃｌａｓｓｉｆｉｅｒｆｕｓｉｏｎｏｆｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ’ｓｒｅｇｒｅｓｓｉｏｎｔｏｎｅｔｗｏｒｋ ａｂｎｏｒｍａｌｂｅｈａｖｉｏｕｒａｎａｌｙｓｉｓ，ａｎｄｕｓｅｓｃｒｏｓｓｖａｌｉｄａｔｉｏｎａｎｄｄｅｐｔｈｆｉｒｓｔｓｅａｒｃｈａｌｇｏｒｉｔｈｍｆｏｒｏｐｔｉｍｉｓｅｄｓｅｌｅｃｔｉｏｎｗｈｅｎｃｈｏｏｓｉｎｇｔｈｅＳＶＭ ｐａｒａｍｅｔｅｒｓ；ｉｔｂｕｉｌｄｓａｎｅｔｗｏｒｋａｂｎｏｒｍａｌｄｅｔｅｃｔｉｏｎｍｏｄｅｌｗｉｔｈＤＳｅｖｉｄｅｎｃｅｔｈｅｏｒｙ．Ｔｈｒｏｕｇｈｔｈｅｅｘｐｅｒｉｍｅｎｔｉｔｉｓｐｒｏｖｅｄｔｈａｔｔｈｉｓｍｅｔｈｏｄｃａｎ ｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｔｈｅｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｐｅｒｆｏｒｍａｎｃｅａｎｄｓｈｏｒ