一种新的基于KPCA和改进ε-SVM的入侵检测模型

提出一种新的结合核主成分分析（Kernel Principal Component Analysis，KPCA）和遗传算法（Genetic Algo-rithm，GA）的支持向量机（Support Vector Machine，SVM）入侵检测模型。在新模型中，使用多层SVM分类器来判断网络行为是否为攻击行为，KPCA用于对SVM的输入数据进行预处理，以降低特征向量的维数和缩短训练时间，使用改进的核函数N-RBF来消除属性间差异所导致的噪声，GA算法用来优化SVM三个参数的选择。仿真实验表明，与其他检测模型相比，该模型具有更高的预测精度、更快的收敛速率和更好的泛化性能。