线性判别分析优化孪生支持向量机的网络入侵检测

来源：济南大学学报·自然科学版杂志2023年第04期北京时间：

作者：周湘贞,李帅,隋栋

摘要：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)。

关键词：网络入侵检测;线性判别分析;孪生支持向量机;特征变量

基金资助：国家自然科学基金项目(61702026);; 河南省科技厅科技攻关项目(222102210290);; 郑州升达经贸管理学院2021年度应用基础研究与应用研究专项项目(SD-ZDIAN2021-05)