-
题名基于稀疏编码和多类SVM的入侵检测
被引量：2
- 1
-
-
作者
崔振
-
机构
华侨大学计算机科学与技术学院
中国科学院计算技术研究所
-
出处
《计算机工程与设计》
CSCD
北大核心
2011年第11期3606-3608,3612,共4页
-
基金
华侨大学科研基金项目(10HZR06)
-
文摘
将稀疏编码理论应用于入侵检测,并提出一种将稀疏编码理论和多类支持向量机结合的入侵检测算法。稀疏性约束同时引入到过完备词典学习和编码过程,不仅促使训练和测试过程的一致性,而且使得映射的稀疏系数在保持一定重构残差的前提下更富有判别力,并将学习到的系数作为特征送入到支持向量机进行入侵检测。实验结果表明,稀疏性具有一定的去噪能力,并使得学习的特征更富有判别力,实验验证了该方法能保证较高的检测率和较低的误报率,表现出更好的分类性能。
-
关键词
稀疏编码
多类分类问题
支持向量机
入侵检测
过完备词典
-
Keywords
sparse coding
multi-class classification
support vector machine （SVM）
intrusion detection
over-complete dictionary
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名稀疏表示在入侵检测中的应用
- 2
-
-
作者
崔振
崔保良
陈柏生
罗俊
-
机构
华侨大学计算机科学与技术学院
中国科学院计算技术研究所
广东工业大学计算机学院
-
出处
《计算机工程》
CAS
CSCD
2012年第7期102-104,共3页
-
基金
华侨大学科研基金资助项目(10HZR06)
国务院侨办科研基金资助项目(10QZR06)
-
文摘
提出一种基于稀疏表示的入侵检测算法。将稀疏性约束引入过完备词典学习和编码过程中,使学习得到的稀疏系数可以保持较好的重构性,同时增强判别力。利用判别式K-SVD算法优化过完备词典和线性判别函数,将提取的稀疏特征作为线性分类器的输入,实现入侵检测。实验结果表明,该算法可以获得较低的误报率和较高的检测率,分类性能较好。
-
关键词
稀疏编码
支持向量机
入侵检测
奇异值分解
过完备词典
-
Keywords
sparse coding
Support Vector Machine（SVM）
intrusion detection
singular value decomposition
over-complete dictionary
-
分类号
TP309.2
[自动化与计算机技术—计算机系统结构]
-
