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:
提出一种基于支持向量机(SVM)的HTTP隧道检测算法,该算法采用SVM提取网络流特征字段,根据特征字段生成训练数据,从而建立HTTP隧道分类检测模型,并结合知名地址匹配和单向流筛选等策略检测HTTP隧道流.与相关算法的对比实验表明,该算法不依赖样本空间的分布,能准确检测HTTP隧道流,具有较好的稳定性.
推荐文章
基于SOM算法的HTTP隧道攻击检测
自组织映射网络
超文本传输协议
隧道
入侵检测
一种基于多层联合分析的 HTTP隧道木马检测方法
HTTP隧道木马
通信行为
联合分析
主动学习
分类
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)
卫星网络HTTP加速技术研究
HTTP加速
Web预取
Web缓存
卫星网络
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HTTP隧道检测技术研究
来源期刊 计算机工程 学科 工学
关键词 网络流 特征字段 HTTP隧道检测 支持向量机
年,卷(期) 2011,(13) 所属期刊栏目 安全技术
研究方向 页码范围 141-143
页数 分类号 TP311.52
字数 3425字 语种 中文
DOI 10.3969/j.issn.1000-3428.2011.13.045
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 蔡皖东 西北工业大学计算机学院 157 1423 21.0 28.0
2 丁要军 西北工业大学计算机学院 6 27 3.0 5.0
3 饶孟良 西北工业大学计算机学院 2 15 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (7)
参考文献  (2)
节点文献
引证文献  (7)
同被引文献  (13)
二级引证文献  (0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
网络流
特征字段
HTTP隧道检测
支持向量机
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
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导