正常数据集的建立及SVM应用

1. 在matlab环境下，对正常情况下的包过程进行采样，然后计算特征值。

   for i=1:197

   MatrixSampled(:,i) = SampleMatrix((501+500*i):(1500+500*i));

   end

   SVMatrix = SVMdata(MatrixSampled,no);

   在此之前，观察了对正常情况下包过程先CUSUM再DFT的结果：CUSUM统计值并非维持在0，而是在比较小的范围内（0到4）波动，DFT之后的功率谱显示，大部分功率集中在高频部分。结果与预计相符，满足要求。

2. 在matlab环境下，给攻击数据集和正常数据集加上类标，并且转换成libSVM需要的格式。考虑到两个数据集中特征值的取值都非负，所以类标分别设置为1和0。格式转换函数来自其它帮助文档：

   function write4libsvm
   [filename,pathname] = uigetfile({'*.mat','数据文件(*.mat)';'*.*','所有文件(*.*)'},'选择数据文件');
   try
       S = load([pathname filename]);
       fieldName = fieldnames(S);
       str = cell2mat(fieldName);
       B = getfield(S,str);
       [m,n] = size(B);
       [filename,pathname] = uiputfile({'*.txt;*.dat','数据文件(*.txt;*.dat)';'*.*','所有文件(*.*)'},'保存数据文件');
       fid = fopen([pathname filename],'w');
       if (fid~=-1)
           for k=1:m
               fprintf(fid,'%3d',B(k,1));
               for kk=2:n
                   fprintf(fid,'/t%d',(kk-1));
                   fprintf(fid,':');
                   fprintf(fid,'%d',B(k,kk));
               end
               fprintf(fid,'/n');
           end
           fclose(fid);
       else
           msgbox('无法保存文件');
       end
   catch
       msgbox('文件保存过程中出错了！','出错了...','error');
   end

3. 在matlab环境下，生成训练集train和测试集test。攻击数据集和正常数据集分别为160和197组，各选110组和147组混合作为训练集，各自剩下的50组混合作为测试集。训练集的混合方式对训练结果是否有影响目前未知，为方便起见，采取直接结合。测试集的混合方式应该对结果没有影响，采取直接结合。

4. 在libSVM环境下，进行scale、train和predict。同样的，考虑到特征值非负，所以scale范围选择在0到1。

   svm-scale -l 0 -u 1 -s range1 train > train.scale

   svm-scale -r range1 test > test.scale

   svm-train train.scale

   svm-predict test.scale train.scale.model test.predict

   预测准确率：100%！！！

5. 改变训练集的混合方式后，预测准确率仍然为100%。考虑减小采样窗口，看能否出现错误的预测。混合函数如下：

   %将攻击训练集和正常训练集混合成训练集
   function result=join(no,with)
   len1 = size(no,1);
   len2 = size(with,1);
   width1 = size(no,2);
   width2 = size(with,2);
   if width1~=width2           %数据集宽度不一致，则提示错误
       msgbox('数据集格式有误！');
   else
       step = min([len1;len2]);     %取较小的长度值
       for i=1:step                 %一一对应，交叉排列
           result(2*i-1,:) = no(i,:);
           result(2*i,:) = with(i,:);
       end
       if len1>len2                 %多余部分排在末尾
           result((2*step+1):(len1+len2),:) = no((step+1):len1,:);
       else
           result((2*step+1):(len1+len2),:) = with((step+1):len2,:);
       end
   end
end