基于SVM主动学习算法的网络入侵检测系统

• 作者: 杨卫平 段丹青 陈松乔
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 入侵检测 支持向量机 主动学习
• 年，卷（期）: 2006,（4）
• 所属期刊栏目: 计算机网络与安全
• 页码范围: 33-36
• 页数: 4页
• 分类号: TP393.08
• 字数: 4356字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2006.04.011

摘要

入侵检测系统已经成为网络安全技术的重要组成部分.然而,传统的异常入侵检测技术需要通过对大量训练样本的学习才能达到较高的检测精度,而大量训练样本集的获取在现实网络环境中是比较困难的.本文研究在网络入侵检测中采用基于支持向量机(SVM)的主动学习算法,解决训练样本获取代价过大带来的问题.通过基于SVM的主动学习算法与传统的被动学习算法的对比实验说明,主动学习算法能有效地减少学习样本数及训练时间,能有效地提高入侵检测系统的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈松乔	中南大学信息科学与工程学院	316	3775	27.0	45.0
2	杨卫平	中南大学信息科学与工程学院	14	206	9.0	14.0
4	段丹青	中南大学信息科学与工程学院	17	224	9.0	14.0