子查询返回的值不止一个。当子查询跟随在 =、!=、<、<=、>、>= 之后，或子查询用作表达式时，这种情况是不允许的。 基于特征选择和支持向量机的入侵检测方法 -《大众科技》

[1]彭小金 武小年.基于特征选择和支持向量机的入侵检测方法[J].大众科技,,():6.
点击复制

基于特征选择和支持向量机的入侵检测方法
分享到：

《大众科技》[ISSN:1008-1151/CN:45-1235/N]

卷:
期数:
201403期
页码:
6
栏目:
信息技术与通信
出版日期:

文章信息/Info

Title:
An intrusion detection method based on feature selection and support vector machine
文章编号:
1008-1151(2014)03-0006-03
作者:
彭小金 武小年
桂林电子科技大学信息与通信学院，广西 桂林 541004
关键词:
特征选择; 支持向量机; 入侵检测
Keywords:
Feature selection;  support vector machine;  intrusion detection
分类号:
TP393
文献标志码:
A
摘要:
为去除网络入侵数据集中的冗余和噪声特征，降低数据处理难度和提高检测性能，提出一种基于特征选择和支 持向量机的入侵检测方法。该方法采用提出的特征选择算法选取最优特征组合，并以支持向量机为分类器建立模型，应用于入 侵检测系统。仿真结果表明，本文方法不仅可以减少特征维数，降低训练和测试时间，还能提高入侵检测的分类准确率。
Abstract:
In order to remove the redundancy and noise characteristics in network intrusion detection data set, reduce the data processing difficulty and improve the detection performance, a intrusion detection method based on feature selection and support vector machine is proposed. The method using the proposed feature selection algorithm base on the model of support vector machine classifier to select the best combination of features is applied to intrusion detection systems. Simulation results show that this method can not only reduce the number of features, thereby decreasing the training and testing time, but also improve the classification accuracy of intrusion detection.

参考文献/References:

【参 考 文 献】 [1] Lin S W, Ying K C, Lee C Y, et al. An intelligent algorithm with feature selection and decision rules applied to anomaly intrusion dete ction[J]. Applied Soft Computing, 2012, 12(10): 3285-3290. [2] Shazzad K M, Park J S. Optimization of intrusion detection through fast hybrid feature selection[C]//Parallel and Distributed Computing, Applications and Technologies, 2005. PDCAT 2005. Sixth International Conference on. IEEE, 2005: 264-267. [3] 陈铁明,马继霞,宣以广.快速特征选择方法及其在入侵检 测中的应用[J].通信学报,2010, 31(9A):233-238. [4] 陈友,程学旗,李洋,戴磊.基于特征选择的轻量级入侵检 测系统[J].软件学报,2007,18(7):1639-1651. [5] 王鹏英,黄海,黄晓平.基于加权特征筛选的入侵检测系统 [J].计算机科学, 2012, 39(1): 89-91. [6] Sombut Foithong, Ouen Pinngern, Boonwat Attachoo. Feature subset selection wrapper based on mutual information and rough sets[J].Expert Systems with Applications. 2012, 39(1):574-584. [7] 代红.支持向量机在入侵检测中的应用[J].计算机工程, 2012,38(04):143-145. [8] Khor K C, Ting C Y, Amnuaisuk S P. A feature selection approach for network intrusion detection[C]//Information Management and Engineering, 2009.ICIME'09. International Conference on. IEEE,2009:133-137. [9] Zhang F, Wang D. An Effective Feature Selection Approach for Network Intrusion Detection[C]//Networking, Architecture and Storage (NAS),2013 IEEE Eighth International Conference on. IEEE,2013:307-311. [10] Siva S.Sivatha Sindhu, S.Geetha, A.Kannan. Decision tree based light weight intrusion detection using a wrapper approach[J].Expert Systems with Applications.2012,39(1): 129-141

相似文献/References:

[1]陈 站 张素智.基于成像传感器噪声的相机源辨识算法研究[J].大众科技,2013,15(11):10.
[2]张黎 陈宇桐 李海伟.一种基于不变矩的图像分类算法[J].大众科技,2014,16(09):12.
　An image classification method based on moment invariant[J].Popular Science & Technology,2014,16():12.
[3]谷 军 何 南.基于特征词权值的渔业文本分类研究[J].大众科技,2014,16(12):40.
　Fishery text categorization method based on feature word weight and supportvector machine[J].Popular Science & Technology,2014,16():40.
[4]韦俏杏,罗 文.基于 Haar 特征的车辆识别方法[J].大众科技,2019,21(07):31.
　Vehicle Recognition Method Based on Haar Feature[J].Popular Science & Technology,2019,21():31.
[5]黄怡宁 何金保 任万川 韩玉静.基于支持向量机的作物预警设计及实现[J].大众科技,2020,22(08):8.

备注/Memo

备注/Memo:
【收稿日期】2014-02-10 【基金项目】广西自然科学基金(2012GXNSFAA053224)；广西教育厅基金(201010LX156,CD10066X)。 【作者简介】彭小金（1988－），男，江西新余人，桂林电子科技大学信息与通信学院研究生，研究方向为信息安全。 【通讯作者】武小年（1972－），男，湖北监利人，桂林电子科技大学信息与通信学院副教授，硕士，研究方向为信息安全 和分布式计算。
更新日期/Last Update: 1900-01-01