文献类型：期刊文献

中文题名：基于KPCA和SVM的网络入侵检测

英文题名：INTRUSION DETECTION BASED ON KPCA AND SVM

作者：包潘晴[1];杨明福[1]

机构：[1]华东理工大学计算机科学系,上海200237

年份：2006

卷号：23

期号：2

起止页码：125

中文期刊名：计算机应用与软件

外文期刊名：Computer Applications and Software

收录：CSTPCD;;北大核心:【北大核心2004】；CSCD:【CSCD_E2011_2012】；

语种：中文

中文关键词：入侵检测;统计学习;核主成分分析;支持向量机;支持向量机(SVM);网络入侵检测;KPCA;入侵检测系统;组成部分;网络安全

外文关键词：Intrusion detection Statistical learning KPCA SVM

摘要：入侵检测系统是网络安全的重要组成部分,目前的入侵检测算法存在着先验知识少的情况下推广能力差的问题。本文提出了利用核主成分分析(KPCA)和支持向量机(SVM)相结合进行入侵检测的方法。与传统算法相比,本文的方法对网络异常连接有更高的检测率和更强的泛化能力。文章最后在KDDCUP数据集上进行的实验,证明了本文方法的适用性和高效性。
IDS is an important part of network security. Current IDS has poor generalization ability when given less priority knowledge. In this paper,the KPCA and SVM are adopted to implement intrusion detection. Compared with traditional algorithms,this method can achieve higher detection rate and better generalization. At the end of the paper,the experiment on KDDCUP data set shows the effectiveness and excellent performance of our method.