基于支持向量机的网络入侵检测

摘要：

将统计学习理论引入入侵检测研究中,提出了一种基于支持向量机的入侵检测方法(SVM-Based ID).针对入侵检测所获得的高维小样本异构数据集,将SVM算法在这种异构数据集上进行推广,构造了基于异构数据集上HVDM距离定义的RBF形核函数,并基于这种核函数将有监督的C-SVM算法和无监督One-Class SVM算法用于网络连接信息数据中的攻击检测和异常发现,通过对DARPA数据的检测试验结果表明提出的方法是可行的、高效的.

关键词：入侵检测、统计学习理论、支持向量机、异构数据集

所属期刊栏目：40

分类号：TP393.08(计算技术、计算机技术)

资助基金：国家高技术研究发展计划863计划2001AA140213;国家重点基础研究发展计划973计划2001CB309403

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：799-807