基于支持向量机的入侵检测研究

被引：24

作者：

戴天虹

王克奇

杨少春

机构：

[1] 东北林业大学机电工程学院

来源：

中国安全科学学报 | 2008年 / 04期

关键词：

支持向量机(SVM); 入侵检测系统(IDS); 网络安全; 异常检测; 特征抽取;

D O I：

10.16265/j.cnki.issn1003-3033.2008.04.028

中图分类号：

TP393.08 [];

学科分类号：

摘要：

根据入侵检测和支持向量机的特点,提出基于最小二乘支持向量机异常检测方法,并建立基于支持向量机入侵检测的模型,对网络数据进行采集,提取特征,进行分类,分辨正常的数据和异常的数据。并在KDD CUP'99标准入侵检测数据集上进行实验,选取data10percent子集,把该数据集中的41个属性作为特征,将该子集最后一个属性label属性为:back,ipsweep,neptun,ports-weep和normal各200个数据进行测试。实证表明:该方法能获得较高检测率和较低误警率。

引用

页码：126 / 130

页数：5

共 8 条

[1]

Least squares support vector machine classifiers [J].