网络入侵检测中的支持向量机主动学习算法

• 作者: 杨卫平 段丹青 陈松乔
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 入侵检测 支持向量机 主动学习
• 年，卷（期）: 2006,（1）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 117-119,211
• 页数: 4页
• 分类号: TP393.08
• 字数: 4699字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2006.01.037

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.文章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.文中通过基于SVM的主动学习算法与传统的被动学习算法的对比实验,显示出主动学习算法与传统的学习算法相比,能有效地减少学习样本,极大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	29	274	9.0	15.0
6	段丹青	中南大学信息科学与工程学院	17	224	9.0	14.0