基于邻界区的快速增量SVM入侵检测算法的研究.pdfVIP

第３０卷第１２期　　　 计算机应用与软件 Ｖｏｌ３０Ｎｏ．１２ ２０１３年１２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｄｅｃ．２０１３ 基于邻界区的快速增量ＳＶＭ入侵检测算法的研究 耿　姣 （长春工业大学人文信息学院　吉林长春 １３０１２２） 摘　要　　为了解决ＳＶＭ算法针对海量、非平衡样本的入侵检测存在训练速度慢等问题，提出基于邻界区的快速增量ＳＶＭ入侵检 测算法。在该算法中，首先利用均值和标准差的Ｋ均值聚类分析算法对训练样本集进行邻界区生成，然后对邻界区数据集进行样 本筛选，剔除成为支持向量概率较小的点和噪声或过拟合点，最后通过增量学习模式构造最优超平面，生成最优ＳＶＭ分类器。实验 仿真证明，该算法具有较好的分类性能，能有效提高入侵检测的检测精度和检测率，降低误报率。 关键词　　ＳＶＭ　入侵检测　邻界区　增量支持向量　Ｋ均值聚类 中图分类号　ＴＰ３９３．０８　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１３．１２．０８５ ＲＥＳＥＡＲＣＨＯＮＦＡＳＴＩＮＣＲＥＭＥＮＴＡＬＳＶＭＩＮＴＲＵＳＩＯＮＤＥＴＥＣＴＩＯＮ ＡＬＧＯＲＩＴＨＭＢＡＳＥＤＯＮＡＤＪＡＣＥＮＴＢＯＵＮＤＡＲＹＡＲＥＡ ＧｅｎｇＪｉａｏ （ＣｏｌｌｅｇｅｏｆＨｕｍａｎｉｔｉｅｓａｎｄＩｎｆｏｒｍａｔｉｏｎ，ＣｈａｎｇｃｈｕｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｃｈｕｎ１３０１２２，Ｊｉｌｉｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　ＩｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｓｌｏｗｔｒａｉｎｉｎｇｓｐｅｅｄｔｈｅＳＶＭａｌｇｏｒｉｔｈｍｈａｓｗｈｅｎｕｓｅｄｆｏｒｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｏｆｍａｓｓａｎｄ ｎｏｎｅｑｕｉｌｉｂｒｉｕｍｓａｍｐｌｅ，ｗｅｐｒｏｐｏｓｅｔｈｅａｄｊａｃｅｎｔｂｏｕｎｄａｒｙａｒｅａｂａｓｅｄｆａｓｔｉｎｃｒｅｍｅｎｔａｌＳＶＭｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍ．Ｉｎｔｈｉｓａｌｇｏｒｉｔｈｍ， ｆｉｒｓｔ，ｔｈｅｍｅａｎａｎｄｔｈｅｋｍｅａｎｃｌｕｓｔｅｒｉｎｇａｎａｌｙｓｉｓａｌｇｏｒｉｔｈｍｆｏｒｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎａｒｅｕｓｅｄｏｎｔｒａｉｎｉｎｇｓａｍｐｌｅｓｅｔｆｏｒｔｈｅｇｅｎｅｒａｔｉｏｎｏｆ ａｄｊａｃｅｎｔｂｏｕｎｄａｒｙａｒｅａ；ｔｈｅｎ，ｔｈｅｓａｍｐｌｅｓｃｒｅｅｎｉｎｇｉｓｃａｒｒｉｅｄｏｕｔｏｎａｄｊａｃｅｎｔｂｏｕｎｄａｒｙａｒｅａｄａｔａｓｅｔｓ，ｔｈｅｐｏｉｎｔｓｗｉｔｈｓｍａｌｌｅｒｓｕｐｐｏｒｔｖｅｃｔｏｒ ｐｒｏｂａｂｉｌｉｔｙａｎｄｔｈｅｎｏｉｓｅｏｒｔｈｅｏｖｅｒｆｉｔｔｉｎｇｐｏｉｎｔｓａｒｅｗｅｅｄｅｄｏｕｔ；ｆｉｎａｌｌｙ，ｔｈｅｏｐｔｉｍａｌｈｙｐｅｒｐｌａｎｅｉｓｃｏｎｓｔｒｕｃｔｅｄｗｉｔｈｉｎｃｒｅｍｅｎｔａｌｌｅａｒｎｉｎｇ ｍｏｄｅｔｏｇｅｎｅｒａｔｅｏｐｔｉｍａｌＳＶＭｃｌａｓｓｉｆｉｅｒ．Ｅｘｐｅｒｉｍｅｎｔａｌｓｉｍｕｌａｔｉｏｎｐｒｏｖｅｓｔｈａｔｔｈｉｓａｌｇｏｒｉｔｈｍｈａｓｇｏｏｄｃｌａｓｓｉｆｉｃａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅａｎｄｃａｎ ｅｆｆｅｃｔｉｖｅｌｙｅｎｈａｎｃｅｔｈｅｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙａｎｄｄｅｔｅｃｔｉｏｎｒａｔｅ，ｒｅｄｕｃｅｆａｌｓｅａｌａｒｍｒａｔｅ． Ｋｅｙｗｏｒｄｓ　　ＳＶＭ　Ｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎ　Ａｄｊａｃｅｎｔｂｏｕｎｄａｒｙａｒｅａ　Ｉｎｃｒｅｍｅｎｔａｌｓｕｐｐｏｒｔｖｅｃｔｏｒ　ｋｍｅａｎｃｌｕｓｔｅｒｉｎｇ 拟合数据缺乏优化，样本精度不高。基于此，本文基于邻界区的 ０　引　言 快速增量［５］ＳＶＭ入侵检测算法，通过对聚类的邻界区进行样本