基于单分类支持向量机和主动学习的网络异常检测研究OA北大核心CSCDCSTPCD
Research on network anomaly detection based on one-class SVM and active learning
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.
刘敬;谷利泽;钮心忻;杨义先
北京邮电大学信息安全中心,北京100876解放军61741部队,北京100094北京邮电大学信息安全中心,北京100876北京邮电大学信息安全中心,北京100876
信息技术与安全科学
网络安全异常检测单分类支持向量机主动学习
network securityanomaly detectionone-class SVMactive learning
《通信学报》 2015 (11)
云存储中基于隐式可信第三方的数据自保护
136-146,11
国家自然科学基金资助项目(61202082,61370194)The National Natural Science Foundation of China (61202082,61370194)
评论