基于PLS特征提取的网络异常入侵检测CVM模型
CSTR:
作者:
作者单位:

(1. 中国人民解放军后勤工程学院,重庆401311;2. 空军工程大学空管领航学院,西安710051)

作者简介:

吴丽云(1979-), 女, 工程师, 博士生, 从事后勤信息化的研究;李生林(1964-), 男, 教授, 博士生导师, 从事军事后勤与后勤信息化等研究.

通讯作者:

E-mail: ganxusheng123@163.com

中图分类号:

O235;TN915.08

基金项目:

陕西省自然科学基础研究计划项目(2015JM7364).


Network anomaly intrusion detection CVM model based on PLS feature extraction
Author:
Affiliation:

(1. Logistic Engineering University of PLA,Chongqing 401311,China;2. Air Traffic Control and Navigation College,Air Force Engineering University,Xián710051,China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为改善网络安全防护水平,提出一种基于偏最小二乘(PLS)法和核向量机(CVM)的组合式异常入侵检测方法.首先,采用PLS算法提取网络数据的主成分,构建特征集;然后,利用CVM构建特征集的异常入侵检测模型,进而完成异常入侵检测和判定.仿真实验结果表明,所提出的方法具有CVM的大规模数据快速处理能力,而且检测性能与L1-SVM和L2-SVM大致相当,尤其主成分数 为1538时能保持相对较高的检测水平,验证了将其用于异常入侵检测的有效性和可行性.

    Abstract:

    In order to improve the protection level of network security, a combined anomaly intrusion detection method based on the partial least squares(PLS) method and the kernel vector machine(CVM) is proposed. The PLS algorithm is used to extract the principal components of the network data and construct the feature set. Then the CVM is applied to build the anomaly intrusion detection model of the feature set, completing the detection and decision of abnormal intrusion. Simulation results show that the proposed method has the fast processing ability similar with the CVM for the large scale data, and the detection performance is roughly equivalent to that of L1-SVM and L2-SVM, and the detection level is relatively high when the principal component is 1538, which proves the effectivenes and feasibility of the method in the application of anomaly intrusion detection.

    参考文献
    相似文献
    引证文献
引用本文

吴丽云,李生林,甘旭升,等.基于PLS特征提取的网络异常入侵检测CVM模型[J].控制与决策,2017,32(4):755-758

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2017-03-28
  • 出版日期:
文章二维码