基于主元分析和支持向量机的异常检测  

Principal component analysis and support vector machine based anomaly detection

作　　者：任勋益[1] 王汝传[1,2] 孔强[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：《计算机应用研究》2009年第7期2719-2721,共3页Application Research of Computers

基　　金：国家自然科学基金资助项目(60573141,60773041);江苏省自然科学基金资助项目(BK2008451);国家“863”计划资助项目(2006AA01Z201,2006AA01Z219,2007AA01Z404,2007AA01Z478);江苏省高技术研究计划资助项目(BG2006001);现代通信国家重点实验室基金资助项目(9140C1105040805);江苏省博士后基金资助项目(0801019C);江苏省高校科技创新计划项目(CX08B-085Z,CX08B-086Z)

摘　　要：为了提高异常检测的效率,提出了一种基于主元分析和支持向量机的异常检测方法。基于主元分析对入侵数据进行约简,使用SVM对约简的数据进行训练,得到支持向量机实现异常检测。以KDDCUP99数据源进行实验,先将数据从40维约简为15维,22维约简为5维,训练与检测的实验结果表明,该检测方法具有良好的准确度和泛化性能,训练时间和检测时间显著减少。To improve the. efficiency of anomaly detection, this paper proposed one principal component analysis （PCA） and support vector machine （SVM） based intrusion detection method. Employed PCA to reduce intrusion data, SVM train the reduced data, and constructed one anomaly detection model to detect the test data. Kddcup＇99 data based experiments, 40 fea- tures is reduced to 15, and 22 features is reduced to 5 features. Experimental results on these data show presented method have strong general ability and spend less training time and test time compared with using all features.

关 键 词：主元分析 支持向量机 异常检测 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]