资料下载
基于非线性投影的SVM的入侵检测问题
分享资料个
随着计算机网络技术的快速发展，网络安全问题成为人们非常关注的问题，网络攻击层出不穷，如物理攻击、数据攻击、密码盗取、拒绝服务等，传统的防御措施己难以抵御这些攻击，由此入侵检测问题成为了网络安全领域的一个重要研究分支。入侵检测方法是一种主动保护自己免受攻击的一种网络安全技术，它能够帮助系统对付网络攻击，扩展系统管理员的安全管理能力，提高信息安全基础结构的完整性。它从网络系统中的若干关键点收集信息，并分析这些信息，因此常被认为是防火墙之后的第二道安全闸门。入侵检测方法主要分滥用（或误用）检测（Misuse Detection）和异常检测（Anomaly Detection），其中异常检测是预先建立用户正常行为模型，根据系统状态是否偏离其正常状态进行检测，其偏离正常状态的即判定为入侵。为了得到理想的检测效果，人们已经进行的大量的研究与探索，如基于神经网络理论、贝叶斯理论、支持向量机理论等理论方法的研究与应用，这些方法在入侵检测中，都取得了较好的效果。这些方法大都是从提高入侵检测率、降低虚警率等方面出发，未能较充分的考虑入侵方面的特征分析。而在高维数据吲中，不相关特征或冗佘特征可能会带来负面影响，对入侵检测率不仅不会提高，还会使其下降。因此，本文考虑利用非线性投影方法，将高维数据降低到低维数据，对于得到的低维数据再利用带惩罚函数的非线性支持向量模型，实现对入侵数据的检测。最后，利用KDD99数据对本模型进行验证，以说明其有效性。通过对数据的计算检验，模型的效果较为理想。
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
- 相关下载
- 相关文章
