摘要(Abstract)：
为了提高大规模网络数据入侵类型实时检测的准确率，采用线性判别分析(LDA)对网络样本特征进行降维处理，降低孪生支持向量机(TWSVM)的运算复杂度，增强TWSVM的网络入侵检测适用度；首先，采用LDA基于类内和类间散度计算获得网络入侵检测样本的降维特征变量；然后，建立LDA-TWSVM网络入侵检测算法，分别求解TWSVM一次规划和二次规划的核心参数；最后，输入降维特征变量，通过TWSVM输出获得网络入侵检测结果。结果表明：LDA网络样本特征降维对网络入侵检测的正向激励效果较为显著，使得所提出的算法在网络入侵检测中具有较高的适应度；相比于几种常用入侵检测算法，所提出的算法具有更高的检出率(0.994 3)和更优的均方根误差(1.132 8)。
关键词(KeyWords)： 网络入侵检测;线性判别分析;孪生支持向量机;特征变量
基金项目(Foundation): 国家自然科学基金项目(61702026);; 河南省科技厅科技攻关项目(222102210290);; 郑州升达经贸管理学院2021年度应用基础研究与应用研究专项项目(SD-ZDIAN2021-05)
作者(Author): 周湘贞,李帅,隋栋
DOI: 10.13349/j.cnki.jdxbn.20230517.002
参考文献(References)：
[1] 蹇诗婕，卢志刚，杜丹，等.网络入侵检测技术综述[J].信息安全学报，2020,5(4):96.
[2] 程超，武静凯，陈梅.一种基于RBM-SVM算法的无线传感网络入侵检测算法[J].计算机应用与软件，2022,39(5):325.
[3] 肖耿毅.基于SPCSE与WKELM的网络入侵检测方法研究[J].计算机仿真，2022,39(6):425.
[4] 王运兵，姬少培，查成超.基于HPSO与多核LSSVM的网络入侵检测[J].信息安全与通信保密，2022(6):111.
[5] BENOUARETH A.An efficient face recognition approach combining likelihood-based sufficient dimension reduction and LDA[J].Multimedia Tools and Applications,2021,80:1461.
[6] 田桂丰，单志龙，廖祝华，等.基于空间降维和多核支持向量机的网络入侵检测[J].济南大学学报(自然科学版),2021,35(4):366,375.
[7] CHOUBEY D K,KUMAR M,SHUKLA V,et al.Comparative analysis of classification methods with PCA and LDA for diabetes[J].Current diabetes reviews,2020,16(8):841.
[8] GOYAL N,GUPTA K.A hierarchical Laplacian TWSVM using similarity clustering for leaf classification[J].Cluster Computing,2022,25:1548.
[9] HAZARIKA B B,GUPTA D.Density weighted twin support vector machines for binary class imbalance learning[J].Neural Processing Letters,2022,54:1106.
[10] DING S F,ZHANG Z C,GUO L L,et al.An optimized twin support vector regression algorithm enhanced by ensemble empirical mode decomposition and gated recurrent unit[J].Information Sciences,2022,598:117.
[11] 李淑锋，李加，张玉峰，等.基于粒子群优化的支持向量机停电预测研究[J].南京理工大学学报，2022,46(4):464.
[12] GUPTA U,GUPTA D.Regularized based implicit Lagrangian twin extreme learning machine in primal for pattern classification[J].International Journal of Machine Learning and Cybernetics,2021,12:1335.
[13] MOOSAEI H,KETABCHI S,RAZZAGHI M,et al.Generalized twin support vector machines[J].Neural Processing Letters,2021,53:1549.
[14] 谢金鑫，王怀彬.基于卷积神经网络模型的网络入侵检测研究[J].天津理工大学学报，2022,38(3):32.
[15] 侯占伟，李建鹏，王辉.基于JRNB的网络入侵检测算法[J].传感器与微系统，2021,40(7):118.
