基于聚类和距离比较的约简加权SVM入侵检测方法

摘要

针对入侵检测样本数据案过于庞大,学习速度过慢的问题,提出了一种将聚类和距离比较算法相结合的SVM样本数据预选取算法(US-PLN),该算法通过舍弃一些相似的点,而只保留其代表点,以达到削减样本数量,提高训练及检测速度的目的.在此基础上提出一种相应的约简加权单类SVM算法(RWOCSVM),该算法通过从预选取算法中所得的样本权值解决了标准加权SVM算法中相应权值无法直接确定的问题,并且通过给予代表点以相应的权值补偿从而将因舍弃部分样本数据而带来的检测性能的减弱程度降到最低.实验采用KDD99测试数据,结果表明,该方法在保持了较高检测精度的情况下,极大地提高了训练和检测效率.