基于多分類支持向量機的快速入侵檢測模型.pdf

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

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據進行壓縮；經過處理后的數據能夠有效降低計算復雜度和優(yōu)化搜索空間。 支持向量機(SVM)方法是基于結構風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構造多分類器的方法，并比較了它們的優(yōu)缺點，提出了基于赫夫曼樹的SVM多分類構造算法，并在訓練時間及判別時間上證明了該構造算法的優(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，本文引入了“虛攻擊”