基于相似属性PCA和SVM的网络入侵检测
曹丹星1
崔玉泉2
1.山东大学数学学院 济南2501002.山东大学
摘要：针对现有网络入侵检测算法泛化能力差与处理大样本数据耗时长的问题,本文提出了基于相似属性主成分分析(PCA)与支持向量机(SVM)的网络入侵检测的方法.采用KDD 1999数据集仿真,原始数据集根据属性间的相似程度分为四类属性集,对四类属性集分别采用PCA进行特征抽取,最后用SVM检验分类的正确率.实验结果表明:与直接采用PCA对全部属性一起降维相比,相似属性PCA的分类降维方法有较短的处理时间,并且有更强的泛化能力,即对未知攻击类型的检测性能.
关键词：主成分分析相似属性主成分分析支持向量机特征抽取网络入侵检测
论文发表日期：2014-01-01
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 67-70 )
英文信息