基于流形學(xué)習(xí)和參數(shù)優(yōu)化的SVM入侵檢測(cè)算法.pdf

1、隨著信息和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，在政治、經(jīng)濟(jì)、軍事等各種利益的驅(qū)動(dòng)之下，對(duì)網(wǎng)絡(luò)基礎(chǔ)設(shè)施和一些重要的網(wǎng)絡(luò)主機(jī)的攻擊增長(zhǎng)迅速。在攻擊手段不斷翻新的網(wǎng)絡(luò)環(huán)境下，傳統(tǒng)的網(wǎng)絡(luò)防護(hù)措施面臨嚴(yán)重挑戰(zhàn)。入侵檢測(cè)技術(shù)的發(fā)展，使得網(wǎng)絡(luò)安全的防護(hù)技術(shù)向主被動(dòng)結(jié)合的方向發(fā)展，為網(wǎng)絡(luò)安全提供了多層次的保護(hù)。
　　入侵檢測(cè)的數(shù)據(jù)往往具有高維，小樣本和不可分性的特點(diǎn)，傳統(tǒng)的入侵檢測(cè)方法檢測(cè)率很低，誤報(bào)、漏報(bào)率高，已經(jīng)不能滿足當(dāng)前網(wǎng)絡(luò)安全的需求。支持向量機(jī)是在小樣

2、本學(xué)習(xí)的基礎(chǔ)發(fā)展起來(lái)的分類學(xué)習(xí)方法，它能夠避免局部最優(yōu)解，克服維數(shù)災(zāi)難問(wèn)題，能夠很好的解決小樣本，高維等問(wèn)題，所以將支持向量機(jī)算法應(yīng)用于入侵檢測(cè)在理論和應(yīng)用中都有重要意義。
　　本文首先介紹了入侵檢測(cè)技術(shù)研究的背景、意義和進(jìn)展，詳細(xì)闡述了入侵檢測(cè)技術(shù)原理、支持向量機(jī)算法和流形學(xué)習(xí)算法。在此基礎(chǔ)上，首先，提出了一個(gè)基于LE-CV-SVM的入侵檢測(cè)算法，此算法先用最大似然估計(jì)估計(jì)特征的本征維數(shù)，再采用流形學(xué)習(xí)算法把數(shù)據(jù)映射到低維空間，