基于特征選擇和支持向量機的異常檢測研究.pdf

1、隨著網絡技術的快速發(fā)展,網絡入侵問題日益受到人們的關注。入侵檢測作為一種主動的安全防御技術,成為繼防火墻等傳統(tǒng)安全保護方法之后的新一代安全保障技術。
　　當前入侵檢測系統(tǒng)在高帶寬、大流量情況下,會出現(xiàn)網絡丟包率高、檢測效率低、誤報率高等缺點,很難做到實時的處理。同時,從網絡數(shù)據(jù)提取的特征中往往存在大量的噪聲和冗余,這進一步降低了入侵檢測的處理效率,嚴重影響了檢測性能。如何設計篩選最優(yōu)網絡特征的特征選擇算法,并結合高效的檢測算法進行

2、匹配檢測,是提高入侵檢測系統(tǒng)性能的關鍵。
　　本文將特征選擇算法和支持向量機相結合,提出一種基于支持向量機的異常檢測模型,并介紹了模型中各模塊的功能。該方法既結合了支持向量機在處理二分類問題時具有的小樣本、非線性、克服維數(shù)災難、泛化能力強等優(yōu)點,同時還通過特征選擇算法剔除網絡數(shù)據(jù)集中的噪聲和冗余特征,降低數(shù)據(jù)維數(shù),以降低數(shù)據(jù)的處理復雜度,提高分類算法的效率。針對支持向量機核函數(shù)的參數(shù)選取問題,本文采用了網格搜索算法對核函數(shù)的參數(shù)進