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:
提出一种基于增量支持向量机的异常检测方法,利用Windows注册表建立了入侵检测模型,通过SVM算法实时判断当前对注册表的访问行为是否为异常状态来发现和识别人侵行为.实验表明:该方法对未知病毒和未知入侵行为具有较高检测率,可以提高在先验知识较少情况下的学习机推广能力.同时,考虑到注册表键值数量巨大,采用增量SVM算法可以在不影响检测性能的同时减少训练时间.
推荐文章
基于One-Class支持向量机的Windows注册表异常检测
支持向量机
注册表
入侵检测
基于支持向量机的Web用户行为异常检测方法
异常检测
One-Class支持向量机
支持向量数据描述
基于one-class SVM与融合多可视化特征的可通行区域检测
可通行区域检测
one-class SVM
多可视化特征
自主导航
基于贝叶斯的Windows注册表访问的异常检测研究
异常检测
注册袁访问
贝叶斯算法
入侵检测系统
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 基于增量One-Class支持向量机的注册表异常检测
来源期刊 西华大学学报(自然科学版) 学科 工学
关键词 增量支持向量机 注册表 入侵检测 病毒检测
年,卷(期) 2007,(2) 所属期刊栏目 软件理论与技术
研究方向 页码范围 8-10,14
页数 4页 分类号 TP311
字数 4322字 语种 中文
DOI 10.3969/j.issn.1673-159X.2007.02.003
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 彭宏 西华大学数学与计算机学院 33 250 10.0 14.0
2 刘志才 西华大学数学与计算机学院 5 24 2.0 4.0
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  (2)
参考文献  (1)
节点文献
引证文献  (2)
同被引文献  (1)
二级引证文献  (2)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
增量支持向量机
注册表
入侵检测
病毒检测
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
西华大学学报(自然科学版)
双月刊
1673-159X
51-1686/N
大16开
四川省成都市金牛区
1982
chi
出版文献量(篇)
3399
总下载数(次)
6
总被引数(次)
16135
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导