使用粗糙集和支持向量机检测入侵

被引：16

作者：

段丹青

陈松乔

杨卫平

王加阳

机构：

[1] 中南大学信息科学与工程学院

来源：

小型微型计算机系统 | 2008年 / 04期

基金：

湖南省自然科学基金;

关键词：

模式识别; 入侵检测; 粗糙集; 支持向量机;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP393.08 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0839 ; 1402 ;

摘要：

提出了基于粗糙集理论和支持向量机(SVM)的入侵检测方法,利用粗糙集约简算法对样本集进行特征约简,删除对入侵检测结果影响不大的冗余特征,从而有效地降低了样本集的维数,解决了SVM训练时间长,样本集占用的存储空间过大的问题.实验证明,该方法能在不影响SVM检测精度的情况下,缩短SVM的训练和检测时间,有效地提高SVM的检测效率.

引用

页码：627 / 630

页数：4

共 5 条

[1] 基于支持向量机的异常入侵检测系统 [J].

张琨 ;

许满武 ;

刘凤玉 ;

张宏 .

计算机工程, 2004, (18) :43-45

[2]

支持向量机导论.[M].(英)NelloCristianini;(英)JohnShawe-Taylor著;李国正等译;.电子工业出版社.2004,

[3]

统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,

[4]

A framework for constructing features and models for intrusion detection systems.[J].Wenke Lee;Salvatore J. Stolfo.ACM Transactions on Information and System Security (TISSEC).2000, 4

[5] ROUGH SETS [J].

PAWLAK, Z .

INTERNATIONAL JOURNAL OF COMPUTER & INFORMATION SCIENCES, 1982, 11 (05) :341-356

← 1 →