改进SVM在入侵检测中的应用研究

• 作者: 徐静 李永忠 杨鸽 赵博
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 软间隔 入侵检测 1类支持向量机 无监督学习
• 年，卷（期）: 2009,（17）
• 所属期刊栏目: 网络、通信、安全
• 页码范围: 102-104,135
• 页数: 4页
• 分类号: TP393.08
• 字数: 4969字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009.17.031

摘要

软间隔支持向量机(SVM,support vector machine)分类算法是目前入侵检测中最好的分类异常行为的机器学习算法之一,但是它是有监督学习方法,并不能适用于检测新的入侵行为;而1类SVM方法是一种可用于检测异常的无监督学习方法,但误警率比较高.根据以上两种方法,提出了一种改进的SVM方法,仿真实验证明这种方法是一种具有低误誓率的无监督学习方法,具有和软间隔SVM相似的检测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李永忠	江苏科技大学电子信息学院	98	561	13.0	16.0
2	徐静	江苏科技大学电子信息学院	12	72	7.0	8.0
3	赵博	江苏科技大学电子信息学院	8	55	5.0	7.0
4	杨鸽	江苏科技大学电子信息学院	9	62	6.0	7.0