未找到相关数据
基于PCA和KPCA特征抽取的SVM网络入侵检测方法
被引：62
作者：
高海华
杨辉华
王行愚
机构：
[1] 华东理工大学信息科学与工程学院
来源：
关键词：
异常检测;
特征抽取;
主分量分析(PCA);
核主分量分析(KPCA);
支持向量机(SVM);
D O I：
10.14135/j.cnki.1006-3080.2006.03.019
中图分类号：
TP393.08 [];
学科分类号：
摘要：
提出一种新颖的基于特征抽取的异常检测方法,应用主分量分析(PCA)和核主分量分析(KPCA)抽取入侵特征,再应用支持向量机(SVM)检测入侵。其中PCA对输入特征做线性变换,而KPCA通过核函数进行非线性变换。利用KDD 99数据集,将PCA-SVM、KPCA-SVM与SVM、PCR、KPCR进行比较,结果显示:在不降低分类器性能的情况下,特征抽取方法能对输入数据有效降维。在各种方法中,KPCA与SVM的结合能得到最优入侵检测性能。
引用
收藏
页码：321 / 326
页数：6
相关论文