基于支持向量机和最小二乘支持向量机的入侵检测比较  

Comparisons of SVM and LS-SVM for Intrusion Detection

作　　者：任勋益[1] 王汝传[1,2] 谢永娟[1] 

机构地区：[1]南京邮电大学计算机学院,南京210003 [2]南京大学计算机软件新技术国家重点实验室,南京210093

出　　处：《计算机科学》2008年第10期83-85,共3页Computer Science

基　　金：国家高技术研究发展计划(“863”计划)基金资助项目(2005AA775050);江苏省高技术研究计划基金资助项目(BG2004004、BG2005037、BG2005038)

摘　　要：将支持向量机和最小二乘支持向量机用于入侵检测之中,利用主元分析对数据进行约简,然后使用SVM和LS-SVM对数据进行训练和测试。基于KDDCUP’99做了三组对比实验,对支持向量机和最小二乘支持向量机的性能做了统计。实验结果表明,SVM比LS-SVM分类能力强,但是LS-SVM耗时较少。This paper utilizes support vector machine and least square-support vector machine for intrusion detection. We normalizae data, reduce the data with principal component analysis, train and test reduced data with support vector and least square support vector machine. We do three experiments on KDDCUP＇ 99 data set, and utilize Receiver Operating Characteristics curves to evaluate classifier＇s ability of SVM and LS-SVM, and statistic time cost. Experimental results show SVM has more classifying ability than LS-SVM, but LS-SVM spends less time than SVM.

关 键 词：支持向量机 最小二乘支持向量机 入侵检测 主元分析 

分 类 号：TP274[自动化与计算机技术—检测技术与自动化装置] U491.14[自动化与计算机技术—控制科学与工程]