用于网络攻击检测系统特征降维的广义判别分析算法
密码学与安全
2009-11-05 v1 计算机视觉与模式识别
神经与进化计算
摘要
广义判别分析（GDA）提供了一种极其强大的非线性特征提取方法。用于设计入侵检测系统的网络流量数据通常规模庞大且包含无效信息，因此我们需要从原始高维数据库中去除无价值信息。为了提高泛化能力，我们通常通过特征提取从原始输入变量中生成一个小的特征集。传统的线性判别分析（LDA）特征降维技术有其局限性，不适用于非线性数据集。因此，我们提出了一种基于广义判别分析（GDA）特征降维技术的高效算法，这是网络攻击检测领域的一种新颖方法。该方法不仅减少了输入特征的数量，而且通过选择最具判别力的特征，提高了分类精度，并减少了分类器的训练和测试时间。我们使用人工神经网络（ANN）和C4.5分类器来比较所提技术的性能。结果表明了该算法的优越性。
引用
@article{arxiv.0911.0787,
title = {Generalized Discriminant Analysis algorithm for feature reduction in Cyber Attack Detection System},
author = {Shailendra Singh and Sanjay Silakari},
journal= {arXiv preprint arXiv:0911.0787},
year = {2009}
}
备注
8 pages IEEE format, International Journal of Computer Science and Information Security, IJCSIS 2009, ISSN 1947 5500, Impact Factor 0.423, http://sites.google.com/site/ijcsis/