基于核学习的入侵检测改进方法

论文简介

针对入侵检测中部分攻击类型检测率低的问题,提出一种基于核学习的入侵检测改进方法.采用核主成分分析(KPCA)对入侵检测中的高维非线性结构数据集进行数据预处理,通过支持向量数据描述(SVDD)构造分类器,对预处理后的数据进行分类.实验结果表明,与已有方法相比,改进方法的检测精度较高、漏检率较低.

论文截图

版权：如无特殊注明，文章转载自网络，侵权请联系cnmhg168#163.com删除！文件均为网友上传，仅供研究和学习使用，务必24小时内删除。