基于SVDD的网络安全审计模型研究

• 作者: 潘志松 罗隽 胡谷雨
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 网络安全审计 入侵检测 支持向量描述 单类分类器
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 69-73
• 页数: 5页
• 分类号: TP393.08
• 字数: 4267字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4785.2007.04.012

摘要

审计是入侵检测的基础,为人侵检测提供必要的分析数据.在传统的网络安全审计与入侵检测系统中,需要由人工来定义攻击特征以发现异常活动.但攻击特征数据难以获取,能够预知的往往只是正常用户正常使用的审计信息.提出并进一步分析了一种基于支持向量描述(SVDD)的安全审计模型,使用正常数据训练分类器,使偏离正常模式的活动都被认为是潜在的入侵.通过国际标准数据集MIT LPR的优化处理,只利用少量的训练样本,试验获得了对异常样本100%的检测率,而平均虚警率接近为0.

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	潘志松	解放军理工大学指挥自动化学院	47	385	9.0	17.0
3	罗隽	解放军理工大学指挥自动化学院	6	26	4.0	5.0