基于改进SVM方法的入侵检测

被引：8

|

作者：

林杨 ^{[1
]}

刘贵全 ^{[1
]}

杨立身 ^{[2
]}

机构：

[1] 中国科学技术大学计算机科学与技术系

[2] 河南理工大学网络中心

来源：

计算机工程 | 2007年 / 14期

关键词：

入侵检测; 支持向量机; 缩减训练集;

D O I：

暂无

中图分类号：

TP393.08 [];

学科分类号：

0839 ; 1402 ;

摘要：

在入侵检测应用中,SVM能够在小样本条件下保持良好的检测状态。该文提出了一种改进的SVM方法,其在特定概率指导下删减训练集中的非有效样本,取得了更优的分类效果,改善了传统SVM训练和分类中存在的高资源占用和时耗过高的状况。对DARPA数据的检测实验表明,该方法在入侵检测上有较好的表现。

引用

收藏

页码：151 / 153

页数：3

相关论文

共 2 条

[1] 针对大规模训练集的支持向量机的学习策略
李红莲
王春花
袁保宗
朱占辉
[J]. 计算机学报, 2004, (05) : 715 - 719
[2] Christopher J.C. Burges.A Tutorial on Support Vector Machines for Pattern Recognition[J].Data Min. Knowl. Discov.,1998