基于机器学习的入侵检测研究

论文摘要

互联网环境的复杂性造成网络连接数据的海量化和繁复性,使得入侵检测时间长效率低。因此,提出一种基于核主成分分析（KPCA）和孪生支持向量机（TSVM）的入侵检测方法（KPCA-TSVM）研究。KPCA可以将原始高维数据映射成低维数据,TSVM比支持向量机具有更高效的检测精度和分类效果。使用Python语言对KPCA-TSVM模型在经过字符映射和归一处理后的KDDCUP99数据上进行实验模拟,结果表明该模型是一种有效的检测方式。

论文目录

文章来源

类型: 期刊论文

作者: 彭宁,任薇,范会丽

关键词: 机器学习,核主成分分析,孪生支持向量机,入侵识别,数据特征提取

来源: 电脑知识与技术 2019年32期

年度: 2019

分类: 信息科技

专业: 互联网技术,自动化技术

单位: 华北理工大学信息工程学院

分类号: TP393.08;TP181

DOI: 10.14004/j.cnki.ckt.2019.3853

页码: 198-199

总页数: 2

文件大小: 1629K

下载量: 162

相关论文文献

标签：机器学习论文;  核主成分分析论文;  孪生支持向量机论文;  入侵识别论文;  数据特征提取论文;