基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
支持向量机(SVM)作为一种新型的统计学习模型,在处理小样本和学习机的推广能力上具有很大的优势.该文应用SVM的分类特性来识别网络攻击行为,提出了基于SVM的入侵检测方法.重点考察了不同SVM核函数和参数选择对检测准确率和实时性的影响.论证了基于SVM的入侵检测在性能和识别率上都明显优于基于BP网络的攻击识别,还就目前商用入侵检测系统存在较高误报率的问题,分析了用SVM来提高其检测实时性和识别准确率的系统框架.
推荐文章
基于SVM技术的入侵检测
信息安全
入侵检测
异常检测
滥用检测
1类SVM(支持向量机)
基于SSA-SVM的网络入侵检测研究
麻雀搜索算法
误报率
支持向量机
网络入侵
检测率
无线传感器网络中基于SVM的合作型入侵检测系统
无线传感器网络
入侵检测
支持向量机
二叉树多类分类方法
误报率
检测率
基于SVM的MANET路由层入侵检测
移动自组织网
路由协议攻击
入侵检测
交互行为
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SVM的入侵检测系统
来源期刊 计算机工程 学科 工学
关键词 支持向量机 统计学习模型 入侵检测
年,卷(期) 2006,(9) 所属期刊栏目 安全技术
研究方向 页码范围 136-138
页数 3页 分类号 TP393.08
字数 3678字 语种 中文
DOI 10.3969/j.issn.1000-3428.2006.09.050
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王煦法 中国科学技术大学计算机科学系 191 4142 33.0 58.0
2 耿焕同 中国科学技术大学计算机科学系 22 506 12.0 22.0
3 钱权 上海大学计算机学院 12 159 5.0 12.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (31)
同被引文献  (37)
二级引证文献  (36)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(5)
  • 引证文献(5)
  • 二级引证文献(0)
2008(5)
  • 引证文献(5)
  • 二级引证文献(0)
2009(7)
  • 引证文献(4)
  • 二级引证文献(3)
2010(4)
  • 引证文献(1)
  • 二级引证文献(3)
2011(4)
  • 引证文献(1)
  • 二级引证文献(3)
2012(4)
  • 引证文献(1)
  • 二级引证文献(3)
2013(4)
  • 引证文献(0)
  • 二级引证文献(4)
2014(6)
  • 引证文献(3)
  • 二级引证文献(3)
2015(8)
  • 引证文献(4)
  • 二级引证文献(4)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(8)
  • 引证文献(3)
  • 二级引证文献(5)
2018(6)
  • 引证文献(2)
  • 二级引证文献(4)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
支持向量机
统计学习模型
入侵检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导