分类器选择的IDS系统入侵检测方法

为了提高IDS入侵样本检测的速度,提出了分类器选择的入侵检测方法。该方法充分考虑到线性分类器在数据分类操作中的速度优势,以线性可分度判定的的结果为基础,灵活选择(非)线性分类器进行数据分类,较之单一的SVM分类方法,虽然增加了额外的线性判别的系统开销,却因此获得分类性能的极大提升。在KDDCup99数据集上进行实验,实验结果表明,该方法在保证分类精度、漏报率、误报率等性能参数不受影响的前提下,有效提高了入侵样本的训练和检测速度。