基于支持向量数据描述的异常检测方法

• 作者: 傅建明 张焕国 杨敏 罗敏
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 网络安全 入侵检测 异常检测 支持向量数据描述 支持向量机
• 年，卷（期）: 2005,（3）
• 所属期刊栏目: 博士论文
• 页码范围: 39-42
• 页数: 4页
• 分类号: TP393.08
• 字数: 4586字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2005.03.014

摘要

提出了一种基于支持向量数据描述算法的异常检测方法.该方法将入侵检测看作是一种单值分类问题,建立正常行为的支持向量描述模型,通过该模型可以检测各种已知和未知的攻击行为.该方法是一种无监督的异常检测方法,能够在包含噪声的数据集进行模型训练,降低了训练集的要求.在KDD CUP'99标准入侵检测数据集上进行实验,并与无监督聚类异常检测实验结果相比较,证实该方法能够获得较高检测率和较低误警率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张焕国	武汉大学计算机学院软件工程国家重点实验室	244	4083	31.0	56.0
2	杨敏	武汉大学计算机学院软件工程国家重点实验室	81	553	13.0	21.0
3	罗敏	武汉大学计算机学院软件工程国家重点实验室	36	573	11.0	23.0
4	傅建明	武汉大学计算机学院软件工程国家重点实验室	52	412	10.0	18.0