一种基于改进LDA降维的ELM分类入侵检测方法

摘要

本发明涉及一种基于改进LDA降维的ELM分类入侵检测方法，其中包括：网络行为数据归一化：将不同维的有量纲数据转变成无量纲数据；网络行为数据降维：计算类内散度矩阵和类间散度矩阵，采用最优转换矩阵，对归一化后的网络行为数据进行降维；网络行为数据分类：利用极限学习机分类算法，通过对网络行为数据训练集分析获得进行分类隐藏层输出矩阵H和最优输出权重β，然后对测试集进行分类判断，判定网络是否安全及存在何种攻击。本发明具有更好的时间效率、检测性能和泛化性能；尤其对于资源受限的WSNs，入侵检测算法的高效是至关重要的；本方法能在保证较好的检测效率的同时提高入侵检测的效率，相较于其他算法具有明显优势。