基于支持向量机的入侵检测系统的研究

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。