一種新型支持向量機工作集選擇模型及其在異常入侵檢測系統(tǒng)中的應用.pdf

1、如何改進異常入侵檢測系統(tǒng)一直是個熱點問題，而使用機器學習的方法來改進這種系統(tǒng)的研究也已經(jīng)持續(xù)很長時間了。本論文主要研究的內(nèi)容就是致力于改進機器學習的方法，從而來增強異常入侵檢測系統(tǒng)。本論文首先提出一種新型工作集選擇模型，并且使用這個工作集模型來改進支持向量機訓練算法(SVM)。在使用改進過的支持向量機訓練算法和標準的算法在大量標準測試數(shù)據(jù)集對比實驗過程中，我們發(fā)現(xiàn)改進過的算法在性能上有明顯的提升。接著使用這個改進后的算法構建了一個異常入

2、侵檢測系統(tǒng)。 在對SVM訓練算法改進過程中，改進工作集選擇方法是工作的關鍵之一。我們提出一種新型的工作集選擇模型WSS-WR，采用了不放回方法來選出兩個α作為一次迭代時的工作集B。接著給出了這個新模型的一些特性，并且給予了理論證明。實驗證明，使用這種改進過的算法在大多數(shù)情況下，訓練速度要比現(xiàn)有的算法要快。 根據(jù)剛提出的工作集選擇模型WSS-WR來改進支持向量機訓練算法之后，我們使用這種改進過的算法構建了一個異常入侵檢測系

3、統(tǒng)。本系統(tǒng)使用DARPA數(shù)據(jù)集來對改進過的支持向量機進行訓練，然后使用已經(jīng)訓練好了的支持向量機模型對所有的網(wǎng)絡流進行分類。本論文使用增量SVM思想，使用已測試數(shù)據(jù)集對訓練數(shù)據(jù)集逐漸更新，以達到動態(tài)適應網(wǎng)絡情況多變的要求。 根據(jù)本論文主要成果，即改進后的支持向量機算法撰寫的論文“ANovelModelofWorkingSetSelectionforSMODecompositionMethods”，已經(jīng)于2007年11月在希臘帕特雷