基于健壮主成分分类器的无监督异常检测方法研究

摘要

入侵检测系统在训练过程中需要大量有标识的监督数据进行学习,不利于其应用和推广,经典主成分分析方法对离群数据非常敏感,进而导致分类准确性的下降.为了解决该问题,提出了一种基于健壮主成分分类器的方法,得到被离群数据干扰较少的主成分.根据主成分空间距离和数据重构误差构建异常检测模型.实验表明:该方法能够有效检测未知入侵,在检测率、误警率方面都达到较满意的结果.