广西大学计算机学院傅彦铭,基于PCA的SVM网络入侵检测研究.pdf

基于PCA的SVM网络入侵检测研究.pdf

2015年第02期

基于PCA的SVM 网络入侵检测研究

戚名钰 ，刘铭 ，傅彦铭

(1．中国科学技术大学软件学院，安徽合肥230000；2．广西大学计算机与电子信息学院，广西南宁530004)

摘 要 ：文章针对传统入侵检测方法无法很好地对大样本数据降维、检测效率低、时间长、

误报漏报率高等缺点，提出一种基于主成分分析 (principalcomponentanalysis，PCA)的支持向

量机 (suppo~vectormachine，SVM )网络入侵检测方法 (PcA—svM )。该方法在对数据进行

预处理之后 ，通过 PCA对原始数据集的41个属性进行数据降维并消除冗余数据，找到具有最

优分类效果的主成分属性集，然后再 以此数据集训练支持向量机分类器，得到检测器。实验选

择KDD99数据集在Matlab平台上对PCA—SVM 算法进行仿真。相比于由传统41个属性训练

得到的入侵检测器，文中方法大大缩短了检测时间，提高了检测效率，为网络入侵检测技术提

供 了一种新的可行方案。

关键词 ：入侵检测 ；主成分分析 ；支持向量机 ；KDD99数据集 ；属性约简

中图分类号 ：TP309 文献标识码 ：A 文章编号 ：1671—1122(2015)02—0015—04

中文引用格式 ：戚名钰，刘铭，傅彦铭．基于PCA的SVM网络入侵检测研究 …．信息网络安全，2015，

(2)：15—18．

英文引用格式 ：QIM LIUM，FUYM ．ResearchonNetworkIntrusionDetectionUsingSupportVector

MachinesBasedonPrincipalComponentAnalysis[J]．NetinfoSecurity，2015，f2)：15—18．

ResearchonNetworkIntrusionDetectionUsingSupportVector

M achinesBasedonPrincipalComponentAnalysis

QIMing—yu，LIUMing，FUYan—ming

(I．SoftwareCollege，Universityof ScienceandTechnologyofChina，HefeiAnhui230000，China；

2．Schoolof Computer,ElectronicsandInformation，GuangxiUniversity,NanningGuangxi

530004，China)

Abstract：Aimingattheshortcomingsofthetraditionalintrusiondetectionsystem，suchaslow

rateofdetection，timewasting，highrateoffalsepositivesandSOon，thispaperproposedamethodof

networkintrusiondetection(PCA-SVM)usingsupportvectorMachines(SVM)basedonprincipal

componentanalysis(PCA)．Thismethodbeginswithdatapreprocessing，thenfindtheoptimalsetof

attributesby traversingthe41principalcomponentattributevalues，finall