基于支持向量机的入侵检测系统的研究

被引:0
作者
钟时
机构
[1] 吉林大学
关键词
支持向量机(Support Vector Machine); 入侵检测系统(Intrusion Detection System); 网络安全;
D O I
暂无
年度学位
2008
学位类型
硕士
导师
摘要
入侵检测系统已经成为网络安全技术的重要组成部分。然而,传统的异常入侵检测技术需要通过对大量训练样本的学习才能达到较高的检测精度,而大量训练样本集的获取在现实网络环境中是比较困难的。本文研究在网络入侵检测中采用基于支持向量机(SVM)的学习算法,通过基于SVM的学习算法实现对小样本量的网络访问数据的自我学习,得出分类模型,从而实现对网络访问的模型匹配,实现对网络访问合法性的自我判断,达到入侵检测的目的。
引用
收藏
页数:55
共 13 条
[1]
CRISIS AND AFTERMATH [J].
SPAFFORD, EH .
COMMUNICATIONS OF THE ACM, 1989, 32 (06) :678-687
[2]
The internet worm program: an analysis.[J].Eugene H. Spafford.ACM SIGCOMM Computer Communication Review.1989, 1
[3]
基于SVM的入侵检测系统 [J].
钱权 ;
耿焕同 ;
王煦法 .
计算机工程, 2006, (09) :136-138
[4]
基于SVM主动学习算法的网络入侵检测系统 [J].
段丹青 ;
陈松乔 ;
杨卫平 .
计算机工程与科学, 2006, (04) :33-36
[5]
基于支持向量机的异常入侵检测系统 [J].
张琨 ;
许满武 ;
刘凤玉 ;
张宏 .
计算机工程, 2004, (18) :43-45
[6]
基于支持向量机的入侵检测系统的优化 [J].
简清明 .
计算机系统应用, 2004, (08) :29-30
[7]
基于支持向量机的入侵检测系统 [J].
饶鲜 ;
董春曦 ;
杨绍全 .
软件学报, 2003, (04) :798-803
[8]
基于SVM分类机的入侵检测系统 [J].
陈光英 ;
张千里 ;
李星 .
通信学报, 2002, (05) :51-56
[9]
网络安全入侵检测:研究综述 [J].
蒋建春 ;
马恒太 ;
任党恩 ;
卿斯汉 .
软件学报, 2000, (11) :1460-1466
[10]
Java 2实用教程.[M].耿祥义;张跃平编著;.清华大学出版社.2006,