基于DDAG多分类BMPM的网络异常检测方法

摘要：

在网络异常检测中,为了在保持检测精度的情况下缩短检测时间,提出了一种基于DDAG(Decision Directed Acyclic Graph)来设计的多分类BMPM(Biased Minimum Error Minimax Probability Machine)。对实验数据集KDD99分别采用基于DDAG设计的多分类BMPM和SVM(Support VectorMachine)进行仿真实验,并对两者的实验结果进行比较,实验证明基于DDAG设计的BMPM在网络异常检测中在和传统的支持向量机在检测精度相当的情况下,能够有效地缩短训练时间以及在KDD99中样本不均衡的情况下能够有更高的检测精度。

关键词： 决策有向无环图 偏置大小概率机 网络异常检测 支持向量机

作者: 王宏 刘渊

作者单位: 江南大学信息工程学院 无锡 214122 江南大学数字媒体学院 无锡 214122

会议类型: 国内会议

会议名称: 2010国际信息技术与应用论坛

会议地点: 昆明

会议语种:中文

页码: 156-159

在线出版日期: 2010-07-16（万方平台首次上网日期，不代表论文的发表时间）