基于支持向量描述的安全审计异常检测模型

• 作者: 倪桂强 潘志松 罗隽 胡谷雨
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 安全审计 入侵检测 支持向量描述 单类分类器
• 年，卷（期）: 2006,（z2）
• 所属期刊栏目: 网络和通信安全
• 页码范围: 360-365
• 页数: 6页
• 分类号: TP393.07
• 字数: 5245字
• 语种: 中文

摘要

在传统的网络安全审计系统中,需要由专家定义攻击特征来检测异常活动.由于攻击数据难以获取,往往只能得到正常用户的系统调用审计信息.设计了基于支持向量描述的单类分类器的安全审计模型,所有偏离正常模式的活动都被认为是入侵.通过对主机系统执行迹国际标准数据集的测试,只利用少量的训练样本,实验获得了对异常样本100%的检测率,而平均虚警率接近为0. 只利用正常样本建立了一个单分类器的异常检测模型,使得系统具有对新的异常行为的检测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡谷雨	解放军理工大学指挥自动化学院	84	632	13.0	21.0
2	倪桂强	解放军理工大学指挥自动化学院	48	266	8.0	14.0
3	潘志松	解放军理工大学指挥自动化学院	47	385	9.0	17.0
4	罗隽	解放军理工大学指挥自动化学院	6	26	4.0	5.0