基于非線性投影的SVM的入侵檢測問題

　　隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的快速發(fā)展，網(wǎng)絡(luò)安全問題成為人們非常關(guān)注的問題，網(wǎng)絡(luò)攻擊層出不窮，如物理攻擊、數(shù)據(jù)攻擊、密碼盜取、拒絕服務(wù)等，傳統(tǒng)的防御措施己難以抵御這些攻擊，由此入侵檢測問題成為了網(wǎng)絡(luò)安全領(lǐng)域的一個重要研究分支。入侵檢測方法是一種主動保護(hù)自己免受攻擊的一種網(wǎng)絡(luò)安全技術(shù)，它能夠幫助系統(tǒng)對付網(wǎng)絡(luò)攻擊，擴(kuò)展系統(tǒng)管理員的安全管理能力，提高信息安全基礎(chǔ)結(jié)構(gòu)的完整性。它從網(wǎng)絡(luò)系統(tǒng)中的若干關(guān)鍵點(diǎn)收集信息，并分析這些信息，因此常被認(rèn)為是防火墻之后的第二道安全閘門。入侵檢測方法主要分濫用（或誤用）檢測（Misuse Detection）和異常檢測（Anomaly Detection），其中異常檢測是預(yù)先建立用戶正常行為模型，根據(jù)系統(tǒng)狀態(tài)是否偏離其正常狀態(tài)進(jìn)行檢測，其偏離正常狀態(tài)的即判定為入侵。為了得到理想的檢測效果，人們已經(jīng)進(jìn)行的大量的研究與探索，如基于神經(jīng)網(wǎng)絡(luò)理論、貝葉斯理論、支持向量機(jī)理論等理論方法的研究與應(yīng)用，這些方法在入侵檢測中，都取得了較好的效果。這些方法大都是從提高入侵檢測率、降低虛警率等方面出發(fā)，未能較充分的考慮入侵方面的特征分析。而在高維數(shù)據(jù)吲中，不相關(guān)特征或冗佘特征可能會帶來負(fù)面影響，對入侵檢測率不僅不會提高，還會使其下降。因此，本文考慮利用非線性投影方法，將高維數(shù)據(jù)降低到低維數(shù)據(jù)，對于得到的低維數(shù)據(jù)再利用帶懲罰函數(shù)的非線性支持向量模型，實(shí)現(xiàn)對入侵?jǐn)?shù)據(jù)的檢測。最后，利用KDD99數(shù)據(jù)對本模型進(jìn)行驗(yàn)證，以說明其有效性。通過對數(shù)據(jù)的計(jì)算檢驗(yàn)，模型的效果較為理想。