一种基于支持向量机和概率神经网络的层次入侵检测方法

摘要

本发明涉及一种基于支持向量机和概率神经网络的层次入侵检测方法，包括：用基于网格寻优的支持向量机模型执行二分类：采用支持向量机模型执行二分类操作，通过调整训练集抽样比例消除原始数据集各类别的非平衡性，并以粗细结合的网格搜索方法优化模型参数，并将捕获的数据记录归为U2R类和非U2R类；利用基于聚类和双平滑因子优化的概率神经网络模型进行分类：通过聚类和调节抽样比例得到R2L类的有效训练集，并利用微粒子群方法寻找最优双平滑因子以优化概率神经网络模型模型，并将被识别为非U2R类的数据记录流入概率神经网络模型进行R2L和Normal的二分类操作。本发明在保证较高正常类识别率的基础上，最大程度提高对于R2L和U2R攻击类的检测准确率。