文献类型：期刊文献

中文题名：基于KPLS的网络入侵特征抽取及检测方法

英文题名：KPLS approach for network intrusion feature extraction and detection

作者：杨辉华[1];王行愚[1];王勇[1];何倩[2]

机构：[1]华东理工大学信息科学与工程学院;[2]桂林电子工业学院网络信息中心,广西桂林541004

年份：2005

卷号：20

期号：3

起止页码：251

中文期刊名：控制与决策

外文期刊名：Control and Decision

收录：CSTPCD;;EI(收录号：2005189081871);Scopus;北大核心:【北大核心2004】；CSCD:【CSCD2011_2012】；

基金：国家重点基础研究发展规划项目(2002CB312200);国家自然科学基金项目(69974014);教育部高校博士点基金项目(20040251010).

语种：中文

中文关键词：核方法;核偏最小二乘;非线性特征抽取;异常检测;支持向量机

外文关键词：Computer networks;Decision making;Edge detection;Nonlinear systems;Robot learning

摘要：从特征抽取的角度研究提高入侵检测性能问题,提出应用核偏最小二乘(KPLS)进行入侵特征抽取和检测的方法.其优点在于KPLS能非线性地抽取输入特征的多个正交分量,并保持与输出类别的相关性,可同时完成入侵特征抽取和判别.将该方法应用于基于Linux主机的入侵检测实验,取得了比SVM和KPCR等方法更好的效果.
A novel KPLS based network intrusion feature extraction and detection approach is put forward, among which KPLS serves as simultaneously a non-linear feature extractor and a decision maker. KPLS approach bears the merits that it can not only extract orthogonal score vectors from explanatory variables, but also remain good correlation with response variables. The feature extraction procedure and decision making procedure can be achieved at one time. The novel method is applied to an up-to-date Linux-hosted IDS experimental system and better performance is attained in comparison to SVM and KPCR etc.