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:
为克服目前很多入侵检测方法存在成功率低以及误警率高的缺点,将Boosting与SVM算法结合,使用小训练样本对SVM进行训练,得到分类器,然后使用Boosting方法进一步提高SVM的泛化能力.在Matlab 2009版本下,采用KDD99入侵检测数据进行了仿真实验.仿真实践证明,这种技术可提高分类精度和准度,提高了入侵检验的成功率.
推荐文章
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
基于改进的层叠SVM模型的入侵检测技术
入侵检测
支持向量机
层叠模型
二次规划问题
一种基于ALO-SVM算法的入侵检测方法
入侵检测
数据处理
检测模型建立
蚁狮优化算法
支持向量机
分类测试
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Boosting与SVM的入侵检测技术
来源期刊 信息技术 学科 工学
关键词 入侵检测 Boosting 支持向量机 仿真
年,卷(期) 2010,(12) 所属期刊栏目
研究方向 页码范围 92-93,98
页数 分类号 TP393.08
字数 2787字 语种 中文
DOI 10.3969/j.issn.1009-2552.2010.12.026
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 常浩 太原大学计算机系 14 26 3.0 4.0
2 牛永洁 延安大学计算中心 50 329 9.0 15.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (34)
共引文献  (35)
参考文献  (7)
节点文献
引证文献  (1)
同被引文献  (14)
二级引证文献  (1)
1900(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(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)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(7)
  • 参考文献(0)
  • 二级参考文献(7)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(5)
  • 参考文献(2)
  • 二级参考文献(3)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
入侵检测
Boosting
支持向量机
仿真
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
信息技术
月刊
1009-2552
23-1557/TN
大16开
哈尔滨市南岗区黄河路122号
14-36
1977
chi
出版文献量(篇)
11355
总下载数(次)
31
论文1v1指导