在入侵檢測(cè)中,傳統(tǒng)的極限學(xué)習(xí)機(jī)(ELM)沒(méi)有考慮到兩方面的問(wèn)題:一是誤分類(lèi)代價(jià)的敏感問(wèn)題,在網(wǎng)絡(luò)入侵檢測(cè)中,需要考慮到誤分類(lèi)代價(jià)不同的問(wèn)題,并以實(shí)現(xiàn)期望代價(jià)最小化為目標(biāo);二是冗余特征的處理問(wèn)題,當(dāng)入侵特征維數(shù)較多時(shí),會(huì)存在著大量的冗余特征的問(wèn)題,如果直接對(duì)高維數(shù)據(jù)進(jìn)行分類(lèi),不僅入侵模式不能被準(zhǔn)確分類(lèi),誤檢率較高,并且大量的冗余數(shù)據(jù)既耗費(fèi)了系統(tǒng)的資源,也增大了入侵檢測(cè)的時(shí)間。針對(duì)這兩方面的問(wèn)題,提出一種基于主成分分析法的代價(jià)敏感極限學(xué)習(xí)機(jī)(ELM)。通過(guò)主成分分析法對(duì)數(shù)據(jù)進(jìn)行降維,確定主要特征;再將預(yù)處理后的數(shù)據(jù)訓(xùn)練極限學(xué)習(xí)機(jī)(ELM),以實(shí)現(xiàn)期望代價(jià)最小化為目標(biāo),從而實(shí)現(xiàn)降低入侵檢測(cè)的檢測(cè)時(shí)間,降低檢測(cè)誤報(bào)率,提高檢測(cè)準(zhǔn)確率的目的。實(shí)驗(yàn)表明,在入侵檢測(cè)中,基于主成分析法的代價(jià)敏感極限學(xué)習(xí)機(jī)(ELM)與傳統(tǒng)的ELM相比,不僅使分類(lèi)準(zhǔn)確率得到提高,降低了分類(lèi)的誤報(bào)率,而且在分類(lèi)速度上也有一定的優(yōu)越性,提高了網(wǎng)絡(luò)運(yùn)行的效率。

【文章頁(yè)數(shù)】：5 頁(yè)


本文編號(hào)：3792783