基于SVDD的网络安全审计模型研究

摘要：

审计是入侵检测的基础,为人侵检测提供必要的分析数据.在传统的网络安全审计与入侵检测系统中,需要由人工来定义攻击特征以发现异常活动.但攻击特征数据难以获取,能够预知的往往只是正常用户正常使用的审计信息.提出并进一步分析了一种基于支持向量描述(SVDD)的安全审计模型,使用正常数据训练分类器,使偏离正常模式的活动都被认为是潜在的入侵.通过国际标准数据集MIT LPR的优化处理,只利用少量的训练样本,试验获得了对异常样本100%的检测率,而平均虚警率接近为0.

关键词：网络安全审计、入侵检测、支持向量描述、单类分类器

所属期刊栏目：2

分类号：TP393.08(计算技术、计算机技术)

资助基金：江苏省自然科学基金BK2005009;中国博士后科学基金2004036405;江苏博士后基金0401064B

在线出版日期：2007-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：69-73