基于聚类和SVDD的一类入侵检测模型

为了弥补入侵检测系统中异常数据不易收集的缺陷，解决传统SVDD算法中样本不集中导致算法包括非己空间样本从而形成噪声影响检测性能的问题，建立一种基于SVDD算法和聚类算法相结合的入侵检测模型。通过K-MEANS算法对正常样本数据进行分类，然后利用强的SVDD数据表达能力对聚类后的数据集合进行描述，最后利用形成的多个判决函数对样本进行判别。试验中对核函数的参数选择进行了分析，并同其他分类算法比较验证了设计思想的正确性，表明建议的方法适合于入侵检测。