线性判别分析优化孪生支持向量机的网络入侵检测

作者：周湘贞; 李帅; 隋栋

来源：济南大学学报(自然科学版), 2023, 37(04): 466-471.

DOI：10.13349/j.cnki.jdxbn.20230517.002

• 网络入侵检测
• 线性判别分析
• 孪生支持向量机
• 特征变量

为了提高大规模网络数据入侵类型实时检测的准确率，采用线性判别分析(LDA)对网络样本特征进行降维处理，降低孪生支持向量机(TWSVM)的运算复杂度，增强TWSVM的网络入侵检测适用度；首先，采用LDA基于类内和类间散度计算获得网络入侵检测样本的降维特征变量；然后，建立LDA-TWSVM网络入侵检测算法，分别求解TWSVM一次规划和二次规划的核心参数；最后，输入降维特征变量，通过TWSVM输出获得网络入侵检测结果。结果表明：LDA网络样本特征降维对网络入侵检测的正向激励效果较为显著，使得所提出的算法在网络入侵检测中具有较高的适应度；相比于几种常用入侵检测算法，所提出的算法具有更高的检出率(0.994 3)和更优的均方根误差(1.132 8)。

• 单位
  北京航空航天大学; 郑州升达经贸管理学院; 北京建筑大学