基于单分类支持向量机和主动学习的网络异常检测研究

TP309; 对基于支持向量机和主动学习的异常检测方法进行了研究,首先利用原始数据采用无监督方式建立单分类支持向量机模型,然后结合主动学习找出对提高异常检测性能最有价值的样本进行人工标记,利用标记数据和无标记数据以半监督方式对基于单分类支持向量机的异常检测模型进行扩展.实验结果表明,所提方法能够利用少量标记数据获取性能提升,并能够通过主动学习减小人工标记代价,更适用于实际网络环境....

Full description

Saved in:
Bibliographic Details
Published inTongxin Xuebao Vol. 36; no. 11; pp. 136 - 146
Main Authors 刘敬, 谷利泽, 钮心忻, 杨义先
Format Journal Article
LanguageChinese
Published 解放军61741部队,北京100094%北京邮电大学信息安全中心,北京,100876 2015
北京邮电大学信息安全中心,北京100876
Editorial Department of Journal on Communications
Subjects
active learning
network security
主动学习
one-class SVM
anomaly detection
单分类支持向量机
网络安全
异常检测
Online AccessGet full text

Cover

More Information
Summary:TP309; 对基于支持向量机和主动学习的异常检测方法进行了研究,首先利用原始数据采用无监督方式建立单分类支持向量机模型,然后结合主动学习找出对提高异常检测性能最有价值的样本进行人工标记,利用标记数据和无标记数据以半监督方式对基于单分类支持向量机的异常检测模型进行扩展.实验结果表明,所提方法能够利用少量标记数据获取性能提升,并能够通过主动学习减小人工标记代价,更适用于实际网络环境.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2015252