Print

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

  • 1 概述
  • 2 相关知识
  •   2.1 KPCA
  •   2.2 TSVM
  • 3 KPCA-TSVM方法
  •   1)数据预处理
  •   2)KPCA降维
  •   3)TSVM识别
  • 4 实验结果与分析
  • 5 结论

    • 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

    本文来源: https://www.lunwen66.cn/article/c94dffb35d754c13ad34b5cd.html