作者:
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:
利用支持向量机(Support Vector Machine SVM)进行建模,可以解决在建立检测模型时因无法收集所有样本而导致的模型推广性能差的问题,并且可以提高入侵检测率,降低漏报和误报率,提高系统的实用性.本文尝试在入侵检测领域利用支持向量机,构建基于支持向量机的入侵检测系统模型.
推荐文章
基于SSA-SVM的网络入侵检测研究
麻雀搜索算法
误报率
支持向量机
网络入侵
检测率
基于SVM技术的入侵检测
信息安全
入侵检测
异常检测
滥用检测
1类SVM(支持向量机)
基于模糊SVM模型的入侵检测分类算法
模糊
SVM
入侵检测
分类
粒子群算法和SVM的网络入侵检测
粒子群算法
支持向量机
网络入侵
检测算法
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SVM的网络入侵检测系统模型分析
来源期刊 牡丹江师范学院学报(自然科学版) 学科 工学
关键词 支持向量机 入侵检测 系统模型 网络安全
年,卷(期) 2010,(4) 所属期刊栏目
研究方向 页码范围 8-10
页数 分类号 TP392
字数 3162字 语种 中文
DOI 10.3969/j.issn.1003-6180.2010.04.005
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 高晶辉 牡丹江师范学院继续教育学院 8 6 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (22)
参考文献  (4)
节点文献
引证文献  (3)
同被引文献  (3)
二级引证文献  (1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
支持向量机
入侵检测
系统模型
网络安全
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
牡丹江师范学院学报(自然科学版)
季刊
1003-6180
23-1289/N
16开
黑龙江省牡丹江市文化街191号
1975
chi
出版文献量(篇)
2986
总下载数(次)
9
总被引数(次)
6733
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导