[1]张琨,曹宏鑫,衷宜,等.网络入侵检测中一种新型SVM特征加权分类方法[J].南京理工大学学报(自然科学版),2008,(02):231-236.
 ZHANG Kun,CAO Hong-xin,ZHONG Yi,et al.New SVM Weighted Feature Classification Method in Network Intrusion Detection[J].Journal of Nanjing University of Science and Technology,2008,(02):231-236.
点击复制

网络入侵检测中一种新型SVM特征加权分类方法
分享到:

《南京理工大学学报》(自然科学版)[ISSN:1005-9830/CN:32-1397/N]

卷:
期数:
2008年02期
页码:
231-236
栏目:
出版日期:
2008-04-30

文章信息/Info

Title:
New SVM Weighted Feature Classification Method in Network Intrusion Detection
作者:
张琨;曹宏鑫;衷宜;刘凤玉;
1. 南京大学软件新技术国家重点实验室, 江苏南京210093; 2. 南京理工大学计算机科学与技术学院, 江苏南京210094
Author(s):
ZHANG Kun12CAO Hong-xin2ZHONG Yi2LIU Feng-yu2
1.State Key Laboratory for Novel Software,Nanjing University,Nanjing 210093,China;2.School of Computer Science and Technology,NUST,Nanjing 210094,China
关键词:
网络入侵检测 支持向量机 特征加权分类
Keywords:
network intrusion detection support vector machine weighted feature classification
分类号:
TP393.08
摘要:
在SVM的网络入侵检测中,发现不同的网络数据特征对分类结果的影响程度不同,针对这一问题,提出了一种新型SVM特征加权分类方法,以获得更好的最优分类面。该方法对分类影响较大的数值特征的值进行指数加权变换,使得原来处于分类面附近被错分的样本得到了纠正。实验表明该方法明显增加了分类正确的样本数,并有效提高了检测精度。
Abstract:
In view of the discovery that the different network data features have different influence on classification results in SVM-based network intrusion detection,a new SVM weighted feature classification method is brought forward in order to get optimal classification plane.The value of the data features that have more influence on classification is exponentially transformed by weighting.The falsely classified samples near classification plane are effectively corrected.The experimental results demonstrate that the proposed method can increase the number of samples that is classified rightly,and improve the accuracy of network intrusion detection.

参考文献/References:

[1] 边肇祺, 张学工. 模式识别(第2版) [M ] . 北京: 清华大学出版社, 2000.
[2] Bonifac io J, C am sian A. Neu ra l netwo rks applied in intrusion detection system [ A ]. Proceedings o f The 1998 IEEE International Jo int Conference on Neu ra l Netwo rks [ C ]. P iscataw ay: The 1998 IEEE Internationa l Jo int Conference on Neural Netwo rks, 1998. 205- 210.
[3] Balajinath B, Raghavan S V. Intrusion detection through learning behav iormode l [ J]. ComputerCommun ications, 2001, 24( 12): 1 202- 1 212.
[4] Fo rrest S, Perre lason A S, A llen L, et a.l Sel-f nonself d iscrim ination in a compu ter [ A]. Proceedings of the 1994 IEEE Sym pos ium on Research in Security and Privacy [ C ] . Oakland: IEEE Computer Soc ie ty Press, 1994. 202- 212.
[5] 张琨, 徐永红, 王珩, 等. 基于免疫学的入侵检测 系统模型[ J]. 南京理工大学学报, 2002, 26( 4): 337- 340.
[6] 周莲英, 刘凤玉. 基于/ 群集智能0的入侵检测系 统研究[ J]. 南京理工大学学报, 2006, 30( 5): 587 - 591.
[7] 李千目, 戚湧, 张宏, 等. IIDS的行为特征提取方 法研究[ J]. 南京理工大学学报, 2004, 28( 2): 140 - 144.
[8] 张琨, 许满武, 刘凤玉, 等. 基于支持向量机的异 常入侵检测系统[ J]. 计算机工程, 2004, 30( 18): 43- 45.
[9] 李辉, 管晓宏, 昝鑫, 等. 基于支持向量机的网络 入侵检测[ J]. 计算机研究与发展, 2003, 40( 6): 799- 807.
[10] 饶鲜, 董春曦, 杨绍全. 基于支持向量机的入侵检 测系统[ J]. 软件学报, 2003, 14( 4): 798- 803.
[11] 陈光英, 张千里, 李星. 基于SVM 分类机的入侵检 测系统[ J]. 通信学报, 2002, 23( 5): 51- 56.
[12] 李昆仑, 黄厚宽, 田盛丰, 等. 模糊多类支持向量 机及其在入侵检测中的应用[ J]. 计算机学报, 2005, 28( 2): 274- 280.
[13] 李昆仑, 赵俊忠, 黄厚宽, 等. 基于SVM 技术的入 侵检测[ J]. 信息与控制, 2003, 32( 6) : 495- 498.
[14] 凌永发, 解季萍. 支持向量机在入侵检测系统中的 应用[ J]. 电力自动化设备, 2005, 25( 8): 59- 62.
[15] Info rma tion and Com puter Science, Un iversity o f C ali?? forn ia. KDD Cup 1999 Data [ EB /OL] . http: / /kdd. ics. uc .i edu /databases/kddcup99 /kddcup99. htm .l
[16] Lincoln Laboratory, M assachusetts Institute o f techno lo?? gy. DARPA Intrusion Detection Eva luation [ EB /OL]. http: / /www. l.l m it. edu / IST / ideva l/ index. htm .l
[17] 曹宏鑫. 基于SVM 的网络入侵检测研究[ D]. 南 京: 南京理工大学计算机科学与技术学院, 2004

相似文献/References:

[1]邓敏,韩玉启.基于支持向量机的大学财务困境预警模型[J].南京理工大学学报(自然科学版),2012,36(03):551.
 DENG Min,HAN Yu-qi.Financial Crisis Early Warning Model for Universities Based on Support Vector Machine[J].Journal of Nanjing University of Science and Technology,2012,36(02):551.
[2]张玉珍,何新,王建宇,等.一种基于SVM的高效球门检测方法[J].南京理工大学学报(自然科学版),2010,(01):13.
 ZHANG Yu-zhen,HE Xin,WANG Jian-yu,et al.Efficient Goal-mouth Detection Method Based on SVM[J].Journal of Nanjing University of Science and Technology,2010,(02):13.
[3]朱宁,冯志刚,王祁,等.基于小生境遗传算法的支持向量机分类器参数优化[J].南京理工大学学报(自然科学版),2009,(01):16.
 ZHU Ning,FENG Zhi-gang,WANG Qi.Parameter Optimization of Support Vector Machine for Classification Using Niche Genetic Algorithm[J].Journal of Nanjing University of Science and Technology,2009,(02):16.
[4]栾英宏,李跃华.基于模糊支持向量机的一维距离像识别[J].南京理工大学学报(自然科学版),2009,(03):375.
 LUAN Ying-hong,LI Yue-hua.One-dimensional Range Profile Recognition Based on FSVM[J].Journal of Nanjing University of Science and Technology,2009,(02):375.
[5]张培林,等.基于蚁群算法的支持向量机参数优化[J].南京理工大学学报(自然科学版),2009,(04):464.
 ZHANG Bei-lin,QIAN Lin-fang,CAO Jian-jun,et al.Parameter Optimization of Support Vector Machine Based on Ant Colony Optimization Algorithm[J].Journal of Nanjing University of Science and Technology,2009,(02):464.
[6]冯志刚,王祁,徐涛,等.基于小波包和支持向量机的传感器故障诊断方法[J].南京理工大学学报(自然科学版),2008,(05):609.
 FENG Zhi-gang,WANG Qi,XU Tao,et al.Sensor Fault Diagnosis Based on Wavelet Packet and Support Vector Machines[J].Journal of Nanjing University of Science and Technology,2008,(02):609.
[7]杨静宇,魏兴国,孙怀江.一种快速SVM学习算法[J].南京理工大学学报(自然科学版),2003,(05):530.
 YangJingyu WeiXingguo SunHuaijiang.A Fast SVM Learning Algorithm[J].Journal of Nanjing University of Science and Technology,2003,(02):530.
[8]张 琨,等.一种基于SVM的网络入侵检测模型[J].南京理工大学学报(自然科学版),2007,(04):403.
 ZHANG Kun,CAO Hong-xin,LIU Feng-yu,et al.SVM-based Network Intrusion Detection Model[J].Journal of Nanjing University of Science and Technology,2007,(02):403.
[9]臧希喆,赵杰,蔡鹤皋,等.面向网络遥操作的多传感器集成手爪的设计[J].南京理工大学学报(自然科学版),2006,(01):38.
 ZANG Xi-zhe,ZHAO Jie,CAI He-gao.Design of Multisensory Gripper for Internet-based Teleoperation[J].Journal of Nanjing University of Science and Technology,2006,(02):38.
[10]张浩然,汪晓东,张长江,等.一种鲁棒回归支持向量机及其学习算法[J].南京理工大学学报(自然科学版),2006,(03):311.
 ZHANG Hao-ran,WANG Xiao-dong,ZHANG Chang-jiang.Robust Regression SVM and Its Learning Algorithm[J].Journal of Nanjing University of Science and Technology,2006,(02):311.

备注/Memo

备注/Memo:
基金项目: 国家自然科学基金( 60273035); 南京理工大学科研发展基金( 96126) 作者简介: 张琨( 1977- ), 女, 陕西西安人, 副教授, 博士后, 主要研究方向: 网络通信、信息安全等, E-mail: zhangkunw@ 126. com; 通讯作者: 刘凤玉( 1943- ) , 女, 江苏江阴人, 教授, 博士生导师, 主要研究方向: 网络信息安全和多媒体技术。
更新日期/Last Update: 2008-04-30