基于模糊支持向量机的入侵检测分类方法

简介：
本研究提出了一种基于模糊支持向量机的新型入侵检测分类方法，有效结合了模糊理论与支持向量机的优点，提升了网络入侵检测系统的准确性和鲁棒性。 为解决入侵检测分类过程中训练样本数量少、分类准确率低的问题，本段落提出了一种基于模糊支持向量机的多级分类机制。该机制首先利用模糊SVM模型将数据粗分为正常与攻击两大类，然后采用DBSCAN算法进行自动聚类生成细分模型，从而进一步区分出具体的攻击细类。在设计过程中，优化了隶属度函数的计算，并引入了数据标准化和归一化等处理步骤以提高分类效果。实验结果表明，在面对网络入侵检测中常见的孤立点干扰、噪声多以及负样本占比高的情况时，该算法不仅保持了较高的分类准确率，而且显著缩短了分类过程中的计算时间。