基于加权支持向量机的网络入侵检测研究

• 作者: 朱芳芳 李志华 王士同
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 支持向量机 加权系数 网络入侵检测 分类 不均衡训练集
• 年，卷（期）: 2007,（22）
• 所属期刊栏目: 安全与保密技术
• 页码范围: 5374-5377
• 页数: 4页
• 分类号: TP393.08
• 字数: 3647字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7024.2007.22.014

摘要

在网络入侵检测中,数据类别不均衡训练集的使用将产生分类偏差,主要原因在于对每个训练样本的错误分类的惩罚系数是相等的.加权支持向量机对每个错误分类样本的惩罚系数是不一样的,这对小样本来说提高了分类精度,克服了常规SVM算法不能灵活处理样本的缺陷.但这是以大样本分类精度的降低以及总分类精度的下降为代价的.实验结果证明,将加权支持向量机用于网络入侵检测中是可行的、高效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学信息工程学院	528	3424	23.0	37.0
2	李志华	江南大学信息工程学院	69	263	8.0	13.0
3	朱芳芳	江南大学信息工程学院	2	14	2.0	2.0