利用降维与SVM方法提高计算机网络的渗透检测率
密码学与安全
2018-12-14 v2 机器学习
机器学习
摘要
在当今世界中，计算机网络具有非常重要的地位，大多数城市和国家基础设施以及组织都由计算机网络管理，因此，这些系统抵御有计划攻击的安全性至关重要。为此，研究人员一直试图发现这些漏洞，以便在识别出渗透系统的方式后，通过预防或对策提供系统保护。SVM是入侵检测的主要算法之一。在本研究中，我们研究了多种恶意软件与入侵检测方法，提供了一种高效的攻击检测与利用降维的方法。因此，我们将能够通过仔细结合这两种算法以及对输入数据在二者之前执行的预处理来检测攻击。提出的主要问题是，我们如何能够通过上述方法识别计算机网络上的攻击。在异常诊断方法中，通过将用户、主机或整个系统的行为识别为正常行为，任何对该行为的偏离都被视为异常行为，这可能是攻击的潜在发生。网络入侵检测系统采用异常检测方法，该方法使用SVM算法进行分类，并使用SVD降维。所提方法的步骤包括数据集的预处理、特征选择、支持向量机和评估。NSL-KDD数据集已被用于训练和测试所提模型。在本研究中，我们推断出使用SVM算法进行分类、使用SVD降维而不使用分类算法的入侵检测。此外，还在降维与未降维的情况下比较了KNN算法，结果表明所提方法比可比方法具有更好的性能。
引用
@article{arxiv.1812.03173,
title = {Use Dimensionality Reduction and SVM Methods to Increase the Penetration Rate of Computer Networks},
author = {Amir Moradibaad and Ramin Jalilian Mashhoud},
journal= {arXiv preprint arXiv:1812.03173},
year = {2018}
}