基于SVM和融合技术的入侵检测研究

被引：9

作者：

张得生 ^{[1
]}

张飞 ^{[1
]}

机构：

[1] 黄淮学院信息工程学院

来源：

科技通报 | 2013年 / 29卷 / 05期

关键词：

入侵检测; D-S融合; 关联维数; 支持向量机; 特征选择;

D O I：

10.13774/j.cnki.kjtb.2013.05.001

中图分类号：

TP393.08 [];

学科分类号：

0839 ; 1402 ;

摘要：

研究网络异常入侵检测问题。将SVM和融合技术应用于入侵检测领域,解决了传统SVM算法易产生训练参数选择不当,检测效率和分类精度低的问题。实现了对特征库中各特征量根据报警信息时间序列的预测进行优化和更新,有效地降低了算法的时间复杂度和空间复杂度,提高入侵检测系统对已有特征量对应攻击的识别效率。实验结果表明,该融合算法训练时间短、分类精度高、测试时间减少,误报率和漏报率低,有效提高了入侵检测系统的准确性和实时性。是一种有效可行的入侵检测方法。

引用

页码：167 / 172

页数：6

共 10 条

[1] SVM在网络流量异常检测中的应用研究
谢雪莲
杨海波
[J]. 计算机时代, 2012, (09) : 14 - 16
[2] 网络入侵检测系统的最优特征选择方法
王树
杜启军
余桂贤
余生晨
李广平
徐亚飞
薛阳
王晓伟
[J]. 计算机工程, 2010, 36 (15) : 140 - 141
[3] 基于LLSSVM的MUH高度信息融合技术的研究
冯婷
吴建德
袁徐轶
范玉刚
黄国勇
[J]. 传感器与微系统, 2011, (12) : 32 - 34
[4] 基于特征选择的网络入侵检测模型
吴春琼
[J]. 计算机仿真, 2012, 29 (06) : 136 - 139
[5] 基于LISOMAP的相关向量机入侵检测模型
唐朝伟
李超群
燕凯
严鸣
[J]. 计算机应用, 2012, 32 (09) : 2606 - 2608
[6] Particle swarm optimization for parameter de-termination and feature selection of support vector ma-chines. Lin Shih-Wei,Ying Kuo-Ching,Chen Shih-Chieh,LeeZne-Jung. Expert Systems With Applications . 2008
[7] 基于R-SVM的网络入侵检测系统
龚尚福
赵春兰
厍向阳
[J]. 计算机工程与设计, 2012, 33 (10) : 3777 - 3782
[8] 基于改进SVM方法的入侵检测
林杨
刘贵全
杨立身
[J]. 计算机工程, 2007, (14) : 151 - 153
[9] Significance of Genetic Algorithm in In-trusion Detection System. K.Srujan Raju. International Journal ofComputer Science and Security . 2011
[10] 一种改进的基于SVM的网络入侵检测算法
阎巍
南洋
[J]. 科技通报, 2012, (10) : 158 - 159

← 1 →