基于属性约简和svm参数优化的入侵检测方法-计算机应用与软件.pdf

第２８卷第１２期　　　 计算机应用与软件 Ｖｏｌ２８Ｎｏ．１２ ２０１１年１２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｄｅｃ．２０１１ 基于属性约简和ＳＶＭ参数优化的入侵检测方法 １ ２ 周志德 　李汉彪 １（江南大学无锡职业技术学院　江苏无锡２１４１２２） ２（江南大学物联网工程学院　江苏无锡２１４１２２） 摘　要　　支持向量机（ＳＶＭ）对于小样本、非线性、高维等分类问题，具有较强的适用性。但是ＳＶＭ存在训练时间长，样本集占用 存储空间过大等问题。提出一种基于属性约简和参数优化的ＳＶＭ的入侵检测方法。利用粗糙集理论对样本集进行特征约简并使 用改进的网格搜索算法对ＳＶＭ参数进行优化，删除对入侵检测无影响的属性，从而解决ＳＶＭ训练时间长以及存储空间大的问题。 ＫＤＤ９９数据集下的实验表明，该方法是有效的入侵检测方式，不仅加快训练速度，还提高入侵检测的准确率。 关键词　　支持向量机　粗糙集　属性约简　参数优化　入侵检测 中图分类号　ＴＰ３９３　　　　文献标识码　Ａ ＡＮＡＴＴＲＩＢＵＴＥＲＥＤＵＣＴＩＯＮＡＮＤＳＶＭＰＡＲＡＭＥＴＥＲＯＰＴＩＭＩＺＡＴＩＯＮ ＢＡＳＥＤＩＮＴＲＵＳＩＯＮＤＥＴＥＣＴＩＯＮＭＥＴＨＯＤ １ ２ ＺｈｏｕＺｈｉｄｅ　ＬｉＨａｎｂｉａｏ １（ＷｕｘｉＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，ＪｉａｎｇｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ２１４１２２，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） ２（ＳｃｈｏｏｌｏｆＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ２１４１２２，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　ＳＶＭｉｓｓｔｒｏｎｇｌｙａｐｐｌｉｃａｂｌｅｔｏｓｍａｌｌｓａｍｐｌｅｄ，ｎｏｎｌｉｎｅａｒｏｒｈｉｇｈｄｉｍｅｎｓｉｏｎａｌｃｌａｓｓｉｆｉｃａｔｉｏｎｉｓｓｕｅｓ．Ｂｕｔｔｈｅｒｅａｒｅａｌｓｏ ｄｉｓａｄｖａｎｔａｇｅｓｗｉｔｈＳＶＭｓｕｃｈａｓｌｏｎｇｔｒａｉｎｉｎｇｐｅｒｉｏｄ，ｔｏｏｍｕｃｈｓｔｏｒａｇｅｏｃｃｕｐａｔｉｏｎｂｙｓａｍｐｌｅｓｅｔｓａｎｄｓｏｏｎ．Ｔｈｅｔｈｅｓｉｓｐｒｏｐｏｓｅｓａｎａｔｔｒｉｂｕｔｅ ｒｅｄｕｃｔｉｏｎａｎｄｐａｒａｍｅｔｅｒｏｐｔｉｍｉｚａｔｉｏｎｂａｓｅｄＳＶＭｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄ，ｗｈｉｃｈｕｓｅｓｔｈｅｒｏｕｇｈｓｅｔｔｈｅｏｒｙｔｏｅｘｅｃｕｔｅｆｅａｔｕｒｅｒｅｄｕｃｔｉｏｎｏｎ ｓａｍｐｌｅｓｅｔｓａｎｄｕｓｅｓｔｈｅｉｍｐｒｏｖｅｄｎｅｔｗｏｒｋｓｅａｒｃｈａｌｇｏｒｉｔｈｍｔｏｏｐｔｉｍｉｚｅＳＶＭｐａｒａｍｅｔｅｒｓ，ｓｏｔｈａｔｒｅｍｏｖｅｓｔｈｏｓｅｐｒｏｐｅｒｔｉｅｓｔｈａｔｄｏｎ’ｔｈａｖｅ ｉｍｐａｃｔｏｎｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎ．Ｈｅｎｃｅｔｈｅｄｉｓａｄｖａｎｔａｇｅｓｌｉｋｅｌｏｎｇｔｒａｉｎｉｎｇｐｅｒｉｏｄａｎｄｌａｒｇｅｓｔｏｒａｇｅｒｅｑｕｉｒｅｍｅｎｔａｒｅｏｖｅｒｃｏｍｅ．Ｅｘｐｅｒｉｍｅｎｔ ｕｓｉｎｇＫＤＤ９９ｄａｔａｓｅｔｓｈｏｗｓｔｈａｔｔｈｅｎｅｗｍｅｔｈｏｄｉｓａｎｅｆｆｅｃｔｉｖｅｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄ．Ｉｔｎｏｔｏｎｌｙａｃｃｅｌｅｒａｔｅｓｔｈｅｔｒａｉｎｉｎｇｓｐｅｅｄ，ｂｕｔａｌｓｏ ｉｍｐｒｏｖｅｓｔｈｅａｃｃｕｒａｃｙｏｆｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎ． Ｋｅｙｗｏｒｄｓ　　ＳＶＭ（ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ）　Ｒｏｕｇｈｓｅｔ　Ａｔｔｒｉｂｕｔｅｒｅｄｕｃｔｉｏｎ　Ｐａｒａｍｅｔｅｒｏｐｔｉｍｉｚａｔｉｏｎ　Ｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎ