论文部分内容阅读
目前基于机器学习的入侵检测研究都是从提高检测精度的分类器算法设计出发，大多未考虑对样本特征的分析。文章提出了一种基于特征抽取的异常检测方法，应用主元神经网络(PCNN)抽取入侵特征，再应用SVM检测入侵。采用广义Hebb学习规则训练线性主元神经网络，SVM采用基于网格粒度搜索获得最优参数。利用KDD99数据集，将线性PCNN-SVM与SVM进行比较，结果显示在不降低分类器性能的情况下，PCNN特征抽取方法能对输入数据有效降维。