基于多SVM決策組合的入侵檢測.pdf

1、本文通過對支持向量機(jī)（SVM）和多分類器決策組合技術(shù)的研究，給出一種基于多SVM決策組合的入侵檢測系統(tǒng)。 支持向量機(jī)是一種建立在統(tǒng)計學(xué)理論基礎(chǔ)上的機(jī)器學(xué)習(xí)方法。其最大的特點(diǎn)是根據(jù)Vapnik的結(jié)構(gòu)風(fēng)險最小化原則，盡量提高學(xué)習(xí)機(jī)的泛化能力，即由有限的訓(xùn)練樣本集得到小的誤差能夠保證對獨(dú)立的測試集保持小的誤差。另外，出于支持向量機(jī)算法是一個凸優(yōu)化問題，局部最優(yōu)解也是全局最優(yōu)解，這是其它學(xué)習(xí)算法所不及的。因此，本文選擇支持向量機(jī)作為多分

2、類器中的單個分類器。 在本系統(tǒng)中，分類器決策組合技術(shù)是整個入侵檢測系統(tǒng)中非常重要的部分，它直接決定系統(tǒng)最終的決策結(jié)果。本文研究了幾種常用的決策組合技術(shù)（基于多數(shù)投票表決的決策組合技術(shù)、基于分類器性能為先驗(yàn)知識的投票表決決策組合技術(shù)和基于局部準(zhǔn)確率的動態(tài)分類器選擇決策組合技術(shù)），并把它們分別應(yīng)用到本系統(tǒng)中。 在仿真實(shí)驗(yàn)中，本文選擇了KDD'99數(shù)據(jù)集中的部分?jǐn)?shù)據(jù)對系統(tǒng)的檢測性能做了檢驗(yàn)。實(shí)驗(yàn)結(jié)果表明，采用多SVM決策組合的