资料下载
×
可检测网络入侵的IL-SVM-KNN分类器
消耗积分:0 |
格式:pdf |
大小:2.08 MB |
2021-04-29
分享资料个
为满足入侵检测的实时性和准确性要求，通过结合支持向量机（SVM）和K最近邻（KNN）算法设ⅡL-SM-KNN分类器，并采用平衡k维树作为数据结构提升执行速度。训练阶段应用增量学习思想并考虑知识库的扩展，分类阶段则利用SVM和KNN算法将待分类数据分成3种情况应用不同的分类策略。基于 KDD CUP99和NSL-KDD数据集进行实验，结果表明，LL-SVM-KNN能够区分正常流量和异常流量并准确判断异常流量的攻击类型，其准确率较KNN算法和SVM算法有明显提升，判断攻击类型的准确性高于决策树、随机森林和 Xgboost算法，并且较两层卷积神经网络消耗时间更少，资源消耗更低。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
