基于支持向量机与Adaboost的入侵检测系统

来源：计算机工程杂志2019年第10期北京时间：

作者：池亚平, 凌志婷, 王志强, 杨建喜

单位：1. 北京电子科技学院 网络空间安全系, 北京 100070;2. 中国科学院信息工程研究所 中国科学院网络测评技术重点实验室, 北京 100093

摘要：入侵检测系统在大数据量的情况下误报率高、泛化能力弱，且单一机器学习算法不能较好地应对多种攻击类型。为此，设计一个基于支持向量机（SVM）与Adaboost算法的入侵检测系统。依托Snort系统，利用主成分分析方法对提取的特征做降维处理，并将SVM-Adaboost集合算法作为检测引擎。采用NSL-KDD数据集进行训练和测试，实验结果表明，该系统的正确率达到97.3%，较SVM算法和Adaboost算法分别提高4.8%和14.3%。

关键词：支持向量机,Adaboost算法,数据降维,入侵检测系统,接受者操作特征曲线

基金资助：国家重点研发计划云计算与大数据重点专项（2018YFB1004101）。