kdd99支持向量机的入侵检测应用.pdf

华中科技大学学报(自然科学版) Vo l. 36 1 0. 3 第36 卷第3 期 2008年 3 月 J. Huazhong Univ. of Sci. ß. Tech. (Jatural Science Edition) Ma r. 2008 基于特征选择和支持向量机的异常检测 肖海军1.2 王小非l 洪 帆l 在国华I (l华中科技大学计算机科学与技术学院，湖北武汉 430074; 2 中国地质大学(武汉)数学与物理学院，湖北武汉 430074) 摘要:为在提高检测率的同时保持较低的虚警率.提出→种不同于单-算法的基于特征选择和支持向量机的 异常检测技术.首先用-个数据子集进行特征选择.通过构造函数来计算特征间的相似度，并在不失样本信息 的前提下.完成会话样本的特征选择;然后对用于训练和测试的数据执行特征选择，剔除不必要的数据特征; 最后利用支持向量机来判断入侵.仿真实验表明:与基于标准的支持向量机、基于 tf X idf 的支持向量机、基于 tfX idf 的神经网络及基于数据挖掘等的异常检测相比较，该方法具有更高检测率.同时其虚警率也更低. 关 键 词.异常检测:特征选择;支持向量机;虚警率;检测率 中图分类号 TP393.08 文献标识码 A 文章编号 1671-4512(2008)03-0099-04 Attribute selection-based and support vector machine for anomaly detection I 2 H071g Xiaο Haiju71 • Wa71g Xiaofei Fun Cui Guohua (1 College of Computer Science and Technology. Huazhong University of Science and Technology. Wuhan 430074. China; 2 School of Mathematics and Physics. China University of Geosciences. Wuhan 430074. China) Abstract: 1n order to get a high detection rata and a low false rata , many researchers pay more atten- tion in studying the algorithm for intrusion detection only. This paper proposes an attribute selection based ancl sllpport vector machine (SVM) [or anomaly detection. The first is attribllte selection , which extracts some attributes [rom relatively corresponcling attriblltes. The seconcl is dealing with the attribute selection o[ training set and test set. Attribute selection r