基于特征选择和多分类支持向量机的异常检测

扫码查看

原文链接

NETL

中文摘要：现有大部分的异常检测系统都是把数据分成正常和异常两类,这样可能会丢失重要信息。特征选择的目的是减少异常检测冗余特征的同时,高度保持和原始特征的一致性。实现了特征选择和多分类支持向量机的异常检测技术。采取粗糙集、SVDF、LGP、MARS相结合的特征选择方法。同时利用多分类支持向量机把数据分成五类。通过实验分析,表明DoS攻击相对于其他3种攻击的漏报率是最高的。

作者：

张晓惠、林柏钢

展开 >

作者单位：

福州大学数学与计算机科学学院,福建福州 350108

关键词：

异常检测支持向量机特征选择数据分类

主办单位：

国家计算机网络入侵防范中心

国家计算机病毒应急处理中心

西安电子科技大学

会议名称：

第二届中国计算机网络与信息安全学术会议

会议时间：

2009-10-01

会议地点：

天津

会议母体文献：

第二届中国计算机网络与信息安全学术会议论文集

页码：

68-73

出版时间：

2009