基于序列互相关特性和SVM的入侵检测研究

• 作者: 何明星 张小强 朱中梁 范平志
• 来源期刊: 铁道学报
• 学科: 工学
• 关键词: 支持向量机 互相关性 系统调用 入侵检测
• 年，卷（期）: 2007,（3）
• 所属期刊栏目: 研究与探讨
• 页码范围: 113-117
• 页数: 5页
• 分类号: TP309
• 字数: 5156字
• 语种: 中文
• DOI: 10.3321/j.issn:1001-8360.2007.03.021

摘要

通过刻画特权进程的系统调用来进行入侵检测已被广泛研究,采用的大多是人工智能方法,如支持向量机、隐马尔可夫模型和神经网络等.针对这种基于人工智能的入侵检测系统,本文提出应用序列互相关特性选择训练数据的方法.序列的互相关特性是刻画序列之间的相互关系的重要手段,使用具有一定特性的序列来训练人工智能模型,可以提高入侵检测的效率.在本文中,使用了支持向量机(SVM)来评价序列的互相关特性在模型训练中的作用.实验仿真说明,这种方法可以有效的提高入侵检测率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范平志	西南交通大学物流学院	114	1717	18.0	38.0
2	朱中梁	西南交通大学物流学院	22	247	6.0	15.0
4	何明星	西华大学数学与计算机学院	54	255	8.0	13.0
5	张小强	西南交通大学物流学院	18	133	6.0	11.0