為解決入侵檢測分類遇到的訓(xùn)練樣本數(shù)量少、分類準確率低的問題,提出基于模糊支持向量機的多級分類機制。該分類機制訓(xùn)練模糊SVM模型將數(shù)據(jù)粗分為正常與攻擊大類,采用DBSCAN算法產(chǎn)生細分模型進行攻擊子集的自動聚類,將有關(guān)數(shù)據(jù)細分得到攻擊的具體細類。在機制設(shè)計中,優(yōu)化了隸屬度函數(shù)的計算、設(shè)計了數(shù)據(jù)標(biāo)準化與歸一化等過程,并訓(xùn)練了高效分類器。實驗表明,針對網(wǎng)絡(luò)入侵檢測數(shù)據(jù)中常見的孤立點干擾、噪聲多,并且負樣本占比多的網(wǎng)絡(luò)業(yè)務(wù)數(shù)據(jù)集,新算法在保持分類準確率高的前提下,分類過程的計算時間較短。 

【文章頁數(shù)】：4 頁

【部分圖文】：

入侵檢測實驗環(huán)境

圖5 分類器對比實驗

模型整體流程

【參考文獻】：
期刊論文
[1]基于雙聯(lián)支持向量機的入侵檢測技術(shù)[J]. 王昊,華繼學(xué),范曉詩.  山東大學(xué)學(xué)報(工學(xué)版). 2013(06)
[2]基于粗糙集和人工免疫的集成入侵檢測模型[J]. 張玲,白中英,羅守山,謝康,崔冠寧,孫茂華.  通信學(xué)報. 2013(09)
[3]基于雙支持向量機的偏二叉樹多類分類算法[J]. 謝娟英,張兵權(quán),汪萬紫.  南京大學(xué)學(xué)報(自然科學(xué)版). 2011(04)
[4]基于聚類的入侵檢測研究綜述[J]. 肖敏,韓繼軍,肖德寶,吳崢,徐慧.  計算機應(yīng)用. 2008(S1)

碩士論文
[1]基于超像素的SAR圖像海岸線檢測算法[D]. 王智罡.大連海事大學(xué) 2017



本文編號：3673970