资料下载
×
基于KKT和SVM算法的云架构入侵检测系统
消耗积分:2 |
格式:rar |
大小:0.73 MB |
2018-01-02
分享资料个
针对传统入侵检测系统（IDS）处理数据负载过重，不支持多主机数据联合分析，以及大规则库维护的问题，提出一种云架构的基于卡罗需一库恩一塔克（ KKT）条件和超球结构的增量支持向量机（KS-ISVM）入侵检测系统。将客户端抓取的数据包经过预处理生成样本空间，然后发送至云端使用KS-ISVM进行建模分析，利用KKT条件对增量样本进行筛选，选取违反KKT条件的样本作为有用样本，剔除KKT范围内的所有样本；此外，为了保证剔除的样本为冗余样本，进一步采用超球结构的方法对样本进行第二次筛选，将超球范围内的样本作为有用样本，剔除其余样本；最后将选取的样本进行合并，对SVM进行更新训练。利用KDDCUP99数据进行实验验证，并与SVM、批量支持向量机（ Batch-SVM）、互检KKT条件的增量学习（K-ISVM）算法进行对比，结果表明，KS-ISVM具有良好的预测能力和样本淘汰能力，准确率达到90. 3%，而SVM、Batch-SVM和K-ISVM三种方法准确率均在89%以下；同时还对并行KS-ISVM进程联合分析，发现单进程的分析时间由635ls降低到16进程的146s．分析时间大大降低，谎明了多进程的有效性，满足云计算环境中的入侵检测系统对效率和精度的要求。
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
