基于数据包字节长度的线性自回归(Autoregression)和支持向量分类机(SVM)的网络流量预测建模与分析

• 作者: 何迪 王靖华
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 入侵检测技术 入侵检测系统 线性自回归模型 支持向量机模型 支持向量机分类
• 年，卷（期）: 2005,（11）
• 所属期刊栏目: 研究与设计
• 页码范围: 1-3,23
• 页数: 4页
• 分类号: TN915
• 字数: 4742字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2005.11.001

摘要

本文提供了两种网络流量入侵检测的方法和它们的结果对比.这两种方法分别为线性的自回归预测以及非线性的支持向量机预测.本文将给出使用这两种方法在预测网络攻击的夺效性的详细分析.实验证明用支持向量机模型确实改进了对于攻击的识别性能,并且其误警率比AR模型低了很多.此外,与SVM相比较,AR预测模型的计算复杂度要低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何迪	上海交通大学电子工程系	44	177	5.0	11.0
2	王靖华	上海交通大学电气工程与自动化系	1	3	1.0	1.0