基于参数优化 SVM 融合的网络异常检测

• 作者: 刘渊 陈烨
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 异常行为分析 支持向量机 回归 参数优化 交叉验证
• 年，卷（期）: 2013,（9）
• 所属期刊栏目: 基金项目论文
• 页码范围: 39-43
• 页数: 5页
• 分类号: TP393
• 字数: 5184字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2013.09.012

摘要

网络异常检测技术是入侵检测系统中不可或缺的部分。然而目前的入侵检测系统普遍存在检测率不高，误报率过高等问题，从而难以在实际的企业中大规模采用。针对之前的检测技术检测效果不佳的问题，提出基于SVM回归和改进D-S证据理论的入侵检测方法。该方法是将支持向量机回归的分类融合应用到网络异常行为分析中，在SVM参数选择时采用交叉验证和深度优先搜索算法进行优化选择，并通过融合证据理论，建立网络异常检测模型。通过仿真实验表明，该模型能够有效地提高入侵检测性能，缩短检测时间。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘渊	江南大学数媒学院	235	1325	17.0	25.0