基于K-SVD的协同入侵检测  

Cooperative Intrusion Detection Based on K-SVD

作　　者：崔振[1,2] 

机构地区：[1]华侨大学计算机科学与技术学院,福建厦门361021 [2]中国科学院计算技术研究所,北京100190

出　　处：《计算机工程》2011年第23期119-120,128,共3页Computer Engineering

基　　金：华侨大学科研基金资助项目(10HZR06)

摘　　要：从编码角度出发,应用稀疏理论学习鲁棒特征。在训练过程中,融合监督类别信息,采用判别式K-SVD算法,优化学习过完备字典和线性判别函数。在测试过程中,将稀疏编码系数作为数据的表示形式,以增强表示力和判别力。实验结果表明,基于判别式K-SVD的方法能获得较高的检测率,且误报率较低,对不平衡数据集也有较好的鲁棒性。This paper applies the theory of sparse representation to learn robust features.By fusing class information into the training process,it applies discriminant K-SVD algorithm to intrusion detection,which optimizes the over-completed dictionary and the linear discriminant function together.When testing,it uses the sparse coefficients as sample＇s feature,which is more effective representational and discriminative power.Experimental results demonstrate that it can guarantee higher detection rate and lower false alarm rate.Meanwhile,it has good robustness in the imbalanced dataset experiment.

关 键 词：稀疏表示 奇异值分解 支持向量机 协同 入侵检测 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]