基于SVM的入侵检测系统

摘要：

支持向量机(SVM)作为一种新型的统计学习模型,在处理小样本和学习机的推广能力上具有很大的优势.该文应用SVM的分类特性来识别网络攻击行为,提出了基于SVM的入侵检测方法.重点考察了不同SVM核函数和参数选择对检测准确率和实时性的影响.论证了基于SVM的入侵检测在性能和识别率上都明显优于基于BP网络的攻击识别,还就目前商用入侵检测系统存在较高误报率的问题,分析了用SVM来提高其检测实时性和识别准确率的系统框架.

关键词：支持向量机、统计学习模型、入侵检测

所属期刊栏目：32

分类号：TP393.08(计算技术、计算机技术)

资助基金：中国科学院资助项目90104030;教育部面向21世纪教育振兴行动计划

在线出版日期：2006-06-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：136-138