1
通过将边界网关协议(BGP)更新报文激增异常问题抽象为二分类问题,提出一种基于改进高斯核函数的BGP异常检测( IGKAD)方法。采用FMS特征选择算法,选择能同时最大化类间距离和最小化类内距离的特征得到度量分类能力的特征权值。利用基于 Manhattan距离与特征权值的改进高斯核函数构造支持向量机(SVM分类模型,并结合基于网格搜索与交叉验证的参数寻优方法,提高SM模型分类准确率。通过设计特征效率函数,给出最优特征子集构造方法,从而选取最优特征子集作为训练数据集。实验结果表明,当训练集包含TOP10和TOP8特征时, IGKAD方法的分类准确率分别为91.65%和90,37%,相比基于机器学习的BGP异常检测方法分类性能更优。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !