基于并行PSVM(proximal support vector machine)分类法,利用ε-支持向量与原数据集等价的特点,将PSVM和cascade SVM模型高效结合,加速训练入侵数据集.提出一种新的PSVM增量学习方法,它能快捷更新分类器.通过大量基于著名的KDD CUP1999数据集实验,研究表明,该算法相对其他SVM方法,在保证较高检测率和较低误报率的同时,其训练时间降低80%,且能通过增量学习新数据集来有效更新分类
第2 7卷第 3期 21 0 0年 7月
深圳大学学报理工版 J RNAL OF S OU HEN HEN UN VER I Y C E E AND E I ERI G Z I S T S I NC NG NE N
Vo. No 3 127 .
J l 01 u y2 0
Abtat10— 1 ( 00 0—37 0 src:002 8 2 1 ) 30 2—7 6
【 pol t nc a dC mmu i t nE g er g O t e r i n o eco s nc i ni ei】 ao n n
Pa a llpr x m a u r le o i ls ppo t v c o a hi r e t r m c ne a t pp ia i n i n r i n t c i n’ nd is a lc to i t uso de e to l。 n l l MI NG o Zh ng, LI Cha—he, a N oz nd CAIS hu- n bi Colg fCo u e c e c n o t r gn e i g le e o mp trS i n e a d S fwa e En i e rn S e z e ie st h n h n Un v ri y S e z e 8 6 h n h n 51 0 0 P. R. Ch n ia … l - - -
A s a t oe t ii e o ae nprl l rxm l u p r vco ahn P V bt c:A nvlr nn m t db sdo a l o i a sp ot et m c ie( S M)c s f a o lo r a g h aep r l s i t na‘ a ic i g rt m sp o o e ih wa r p s d.Th f c e tPS e e f in VM n he c s a e S i a d t a c d VM r h tcu e we e us d t e u e t e t fta nn a c i t r r e o r d c h i o r i ig e me tr u h h q ia e c b t e te一u p r e tr a d h rgn l aa e . I a di o h o g t e e u v ln e ewe n h s p o v c o s n te o ii a d ts t n d t n, a n w n r me a t i e i c e ntl la n n to a e n PS e r i g meh d b s d o VM su e o ma e t e u ae o he ca sfe a ir wa s d t k h
pd t ft l s i re se .Th x rme t n t e KDD i e e pe i n s o h CUP 1 99 d t s td mo sr t h tt e ta n n i fo rmeh d s2 9 aa e e n tae t a h r i i g t me o u t o si 0% l s h n t a ft t e VM t o s e st a h to heo h rS meh d u d rt e c ndto fe s rn o fle p stv a e a d h g t cin r t .i c n u dae t e ca sfe f ci ey n e h o i n o n u g lw as o iie r t n i h dee to a e t a p t h ls i re f t l i i i e v b e r i g t e c a a trsi so e d ts ti c e na l . y la n n h h r c e itc fn w a a e n r me tly
Ke r: d t n n y wo ds a a mi i g; p rle r xma up o tv co c i e; itu in d t cin; i c e na e r i g;— a al lp o i ls p r e t rma h n nr so ee to n r me tlla n n s p o tv co; c s a e S u p r e t r a c d VM CLC m b r: TP 3 nu e 01: TP 31 . 15 Do u e o e: A c m ntc d
It s n d t t ns s ms( D )a n i p r n se i n u i e ci yt r o e o e I S r a m ot t su e a i n te n t r e urt r a By e a n n t ee an udt a a h ewo k s c i a e . y x mi i g he r l v ta i d t s c s s se l g a d n t r a a,i tuson dee t n c n d— u h a y tm o n ewo k d t nr i tci a e o tr i ehe n a to s g i s s c rt u e rno . The e em newh t ra c in i a a n t e u y r l s o t i r ha e be n v ro ma h n la n n t ds i to uc d n DS, v e a ius c i e e r i g m
eho nr d e i I i cudng n u a e wo k… n l i e r ln t r s ,
a p o c e r t l n tfa il t a g aa es i D i c p r a h s a e si o e sb e wi lr e d ts t n I S s e l h n s mp e s lc in ba y r s ti n icor c ls i c t n,o a l e e to is ma e ul n a n re tca sf ai i o r t a na lw as o iier t l c us o gtan n i e o g i o f lep stv a ewi a e al n r ii gtm l l .
I d i o n a d t n,t e ca sf r n e s t e u d td t o e w t h i h ls i e e d o b p a e o c p i te i h ne m e nso t c w a fat k. He c a n e,t e t e s u sc n e n d i h s h wo k y is e o c r e n t i
g n t lo t m[ e ei ag r h c i ,
s pp r e t r u otv co
p p ra eh w t e r a e t e t i i g t n e h o d t n o a e r o d c e s h r nn i u d rt e c n i o f o a me i e u ng lw a s o i v ae a i h dee t a e,a w ns r o fle p st e r t nd h g tci r t i i on nd ho
mahn ( V ),h dn Ma v m dl ( MM ),a d ci e SM i e ̄o oe H d n Ad B ot5.I te e a o s_』 n h s meh d,S to s VM i n ma hn lann s a c ie e rig me h d b s d o tt t a e r ig h o y n sr cu a r k t o a e n sa i i l l an n te r a d t t rl i sc u s mi i iai n p n i l . Du o i o d g n rl ain a i t t r c pe nm z o i e t t g o e e ai t b l y. s z o i i h s b e d l e t a e n wi ey us d. Ho v r h a a e fi tuso e e—
we e,t e d ts to n r i n d t c t n i s ly s g h ti sha d t e fr tan n i c o— i s u ual ohu et a ti r o p ro m r ii g sn e s l o
t p ae c a s e s e ce t n f ciey o u d t ls i r f in l a d ef t l . i f i y e v Fo he p o e t tlr e aa es a e o ui bl o ta n rt r blm ha a g d ts t r n ts t e t r i a
b VM,a n v l r i ig meh d b s d o a allp o i lv c yS o e an n to a e n p r l r xma e— t e trm a hi sp o s d,a c r i g t h g f ce y o r x— o c ne i r po e c o d n o te hih e inc fp o i i
ma u p r v co c ie ( S lsp ot etr ma hn P VM) .
a d te c sa e S n h ac d VM
vn eqa r i o t zt npol ( P f V s o p— igt udac pi ai rb m Q )o M i cm u h t mi o e S tt n l x e s e ai al e p n i .Th r a e b e n r p s d a p o c e o y v e e h v e n ma y p o o e p r a h s t n a c h ri i g p ro ma c fS o e h n e t e tan n e r n e o VM n I,e g f i DS . .,s m— a p e ee t n ls s lci o a d c mbn t n w t t e t o s n l d n n o i ai i oh r meh d i cu i g o h .
ac tc u e ̄] T e d ts t a e s l n0 s b es n r ie r hie t r h aa e r p i i t u s t。 a d tan d t
s p r tl i l p e P VMs T e 8 s p o tv co s r s l n e a aey w t mu t l S h i . h一u p r e tr eut g i fo e c u s tae c mbn d a d f tr d a a n i n i r v d r m a h s b e r o i e n l e g i
n a mp o e i e cs a eS a c d VM r h tcu e i c h r i i g p o e s o S a c i t r .S n e t e t nn r c s fP VM s e a i mu h f se a h to VM,i c n r d c h ri i g t .I c a t rt n t a fS h t a e u e te tann me n i
n u a t r s[】a d h e ac i a cu trn e rlnewo k。 n ir r h c l l se g i
Ho v r.s c we e uh
收稿日期:2 0—0 1 0 9 1 -3;修回日期:2 1—6 0 00 0—4
基金项目:国家高技术研究发展计划资助项目 (0 9 A 2 3 9; 20 A 0 Z 0 )深圳市科技计划资助项目 (C 0 9 3 20 6 ) J2 0 0 10 4 A 作者简介:明仲 ( 97,男 ( 16 -)汉族 ),江西省宁都县人,深圳大学教授、博士.Ema:mnz Z.d . l - i ig@SU e uel l

高性能并行入侵检测算法与框架_交通运输_工程科技_专业资料。ISSN 1673—9418 ... 并行PSVM算法及其在入侵... 8人阅读 7页 2.00 PABCS:一种用于并行入侵...
PABCS:一种用于并行入侵检测的流量划分算法_专业资料。网络入侵检测系统的处理... 高性能并行入侵检测算法... 0人阅读 15页 3.00 并行PSVM算法及其在入侵...
UPDA 综合了现有并行检测体系结构的特点, 能够作为相 关研究工作的实验和应用... 并行PSVM算法及其在入侵... 暂无评价 7页 2.00 入侵检测系统的并行协议...
网络入侵检测系统的并行体系结构及算法研究_专业资料。本文概括高性能网络入侵检测技术研究发展状况,提出了一个基于并行计算的网络入侵检测系统(PNIDS),并给出相应的...
本文提出一个分布式的入侵检测系统结构,重点介绍了并行关联规则挖掘算法如何应用于此系统,及其应用于此系统之后的优点。维普资讯 http://www.cqvip.com 20 年第 1...
网络处理器在并行入侵检测系统中的应用研究_专业资料。高速网络下实时、高效检测...无payload数据的预过滤和面向会话的动态负反馈负载均衡算法的分流转发,采用主机...
并行入侵检测系统的预测负载均衡方法_专业资料。数据流的高速化使得网络入侵检测...该方案通过观察每个探测器上数据包的进出情况,由包预测负载均衡算法预测下一个...
在该方法中,根据入侵检测的特点,将特征选择问题作为优化问题来考虑,充分利用遗传算法的全局搜索及并行处理能力,生成最优解集。...更多>>本文提出了一种基于遗传...
摘要支持向量机 (SVM) 有着很强大的功能, 在数据挖掘领域得到了很广泛的应用...为了解决这个 问题,一种并行支持向量机算法(PSVM)出现了。PSVM 算法解决了这两...
(#**+) < **+" < *! *# 进化计算在入侵检测系统中的应用研究王$ 桐,...算法是一种借鉴自然界进化机制而产生 的并行随机搜索算法, 其基本原理是选择和...
热门文档