基于多分類支持向量機(jī)的快速入侵檢測模型.pdf

1、入侵檢測系統(tǒng)是保證網(wǎng)絡(luò)安全的一種重要工具?；跈C(jī)器學(xué)習(xí)的入侵檢測算法是構(gòu)建入侵檢測系統(tǒng)的關(guān)鍵技術(shù)，因而對于入侵檢測算法的研究受到了廣泛關(guān)注。入侵檢測技術(shù)已經(jīng)取得了很大的進(jìn)步，但是仍有許多需要探索的地方，包括：更低的誤報(bào)率、對新攻擊的準(zhǔn)確檢測、適用高帶寬環(huán)境等。 基于特征提取和特征選擇的數(shù)據(jù)壓縮方法是處理高維數(shù)據(jù)的基本方法，這些方法能在保留原始數(shù)據(jù)有效信息的條件下，有效的消除了數(shù)據(jù)的冗余性。本文中，基于主成分分析的數(shù)據(jù)特征提取和基

2、于穩(wěn)態(tài)遺傳算法的特征選擇算法在橫向和縱向兩個方面對數(shù)據(jù)進(jìn)行壓縮；經(jīng)過處理后的數(shù)據(jù)能夠有效降低計(jì)算復(fù)雜度和優(yōu)化搜索空間。 支持向量機(jī)(SVM)方法是基于結(jié)構(gòu)風(fēng)險最小化的有效二分類算法。本文深入討論了利用支持向量機(jī)構(gòu)造多分類器的方法，并比較了它們的優(yōu)缺點(diǎn)，提出了基于赫夫曼樹的SVM多分類構(gòu)造算法，并在訓(xùn)練時間及判別時間上證明了該構(gòu)造算法的優(yōu)越性，減少了分類器的判別時間：針對SVM多分類器無法判別新攻擊類型的缺點(diǎn)，本文引入了“虛攻擊”