基于信息熵的SVM入侵检测技术
【出 处】:《
计算机工程与科学
》
CSCD
2013年第35卷第6期 47-51页,共5页
【作 者】:
朱文杰
[1,2] ;
王强
[2] ;
翟献军
[1]
【摘 要】
摘要:在传统基于SVM的入侵检测中,核函数构造和特征选择采用先验知识,普遍存在准确度不高、效率低下的问题。通过信息熵理论与sVM算法相结合的方法改进为基于信息熵的SVM入侵检测算法,可以提高入侵检测的准确性,提升入侵检测的效率。基于信息熵的SVM入侵检测算法包括两个方面:一方面,根据样本包含的用户信息熵和方差,将样本特征统一,以特征是否属于置信区间来度量。将得到的样本特征置信向量作为SVM核函数的构造参数,既可保证训练样本集与最优分类面之间的对应关系,又可得到入侵检测需要的最大分类间隔;另一方面,将样本包含的用户信息量作为度量大幅度约简样本特征子集,不但降低了样本计算规模,而且提高了分类器的训练速度。实验表明,该算法在入侵检测系统中的应用优于传统的SVM算法。
相关热词搜索: