基于孿生支持向量機的入侵檢測系統(tǒng)研究應(yīng)用.pdf

1、隨著信息系統(tǒng)的迅速發(fā)展，網(wǎng)絡(luò)中的關(guān)鍵業(yè)務(wù)呈爆炸性增長，由于Internet自身的開放性和系統(tǒng)存在的漏洞使計算機系統(tǒng)暴露在網(wǎng)絡(luò)入侵的風險之中，系統(tǒng)的網(wǎng)絡(luò)環(huán)境安全越來越引起人們的關(guān)注。入侵檢測作為一種變被動為主動攔截的手段，成為了一個熱門方向。
　　傳統(tǒng)的入侵檢測主要是基于專家知識的模式匹配系統(tǒng)，在新的入侵檢測方法的基礎(chǔ)上顯得比較薄弱，為此出現(xiàn)了大量基于機器學(xué)習的入侵檢測技術(shù)。SVM以其對小樣本，高維度數(shù)據(jù)良好的分類效果脫穎而出。但是

2、它也存在三個明顯的缺點，即在面對大量數(shù)據(jù)時訓(xùn)練時間無法令人滿意，對數(shù)據(jù)平衡敏感和二分類算法無法適應(yīng)多分類的要求。本文仔細研究了大量文獻資料和相關(guān)的理論知識，在對現(xiàn)今國內(nèi)外研究現(xiàn)狀有一定了解的基礎(chǔ)上。結(jié)合果蠅算法尋優(yōu)能力強的特點來研究基于果蠅算法的多分類孿生SVM算法，簡稱FOA-TWSVM算法。該算法的核心思想是:利用果蠅算法根據(jù)正負類樣本的數(shù)量不同分別調(diào)整TWSVM的兩個懲罰參數(shù)和核參數(shù)，為正負類樣本訓(xùn)練兩個分類hyper plane

3、，然后通過OVOTWSVMs方法對檢測結(jié)果實現(xiàn)多分類。
　　為了證明FOA-TWSVM算法的性能，本文在入侵檢測研究過程中，采用KDDCUP99數(shù)據(jù)集進行實驗，并與傳統(tǒng)SVM算法和其他多分類算法進行對比，并將準確率，誤警率和訓(xùn)練時間作為評價指標。最終的實驗結(jié)果表明，本文提出的基于FOA-TWSVM的IDS在各項指標有了很大的提升，在降低訓(xùn)練時間的同時，能夠準確的把攻擊的具體類型提供給用戶，證明了FOA-TWSVM的有效性和可用性。