[1]汪世义.基于优化支持向量机的网络入侵检测技术研究[J].计算机技术与发展,2009,(07):177-179.
 WANG Shi-yi.Network Intrusion Detection Based on Improved Support Vector Machine[J].,2009,(07):177-179.
点击复制

基于优化支持向量机的网络入侵检测技术研究()
分享到:

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2009年07期
页码:
177-179
栏目:
安全与防范
出版日期:
1900-01-01

文章信息/Info

Title:
Network Intrusion Detection Based on Improved Support Vector Machine
文章编号:
1673-629X(2009)07-0177-03
作者:
汪世义
巢湖学院计算机系
Author(s):
WANG Shi-yi
Computer Department of Chaohu College
关键词:
支持向量机入侵检测分类
Keywords:
support vector machine intrusion detection classification
分类号:
TP393.08
文献标志码:
A
摘要:
入侵检测系统是任何一个完整的网络安全系统中必不可缺的部分。日益严峻的安全问题对于捡测方法提出更高的要求。传统的入侵检测方法存在误报漏报及实时性差等缺点,将机器学习的技术引入到入侵监测系统之中以有效地提高系统性能具有十分重要的现实意义。支持向量机(SVM)是一种建立在统计学习理论(SLT)基础之上的机器学习方法.被成功地应用到入侵检测领域中。讨论了支持向量机优化算法及其在入侵检测中的应用。实验表明,基于优化支持向量机检测入侵的方法能较大地提高入侵检测系统的性能
Abstract:
Intrusion detection must be needed in any integral complete security network system. The serious security problems require better performance for intrusion detection system. The traditional intrusion detection systems have high false negative rate, So it

相似文献/References:

[1]李雷 张建民.一种改善的基于支持向量机的边缘检测算子[J].计算机技术与发展,2010,(03):125.
 LI Lei,ZHANG Jian-min.An Improved Edge Detector Using the Support Vector Machines[J].,2010,(07):125.
[2]李雷 丁亚丽 罗红旗.基于规则约束制导的入侵检测研究[J].计算机技术与发展,2010,(03):143.
 LI Lei,DING Ya-li,LUO Hong-qi.Intrusion Detection Technology Research Based on Homing - Constraint Rule[J].,2010,(07):143.
[3]陈俏 曹根牛 陈柳.支持向量机应用于大气污染物浓度预测[J].计算机技术与发展,2010,(01):247.
 CHEN Qiao,CAO Gen-niu,CHEN Liu.Application of Support Vector Machine to Atmospheric Pollution Prediction[J].,2010,(07):247.
[4]马志远,曹宝香.改进的决策树算法在入侵检测中的应用[J].计算机技术与发展,2014,24(01):151.
 MA Zhi-yuan,CAO Bao-xiang.Application of Improved Decision Tree Algorithm in Intrusion Detection System[J].,2014,24(07):151.
[5]李晶 姚明海.基于支持向量机的语义图像分类研究[J].计算机技术与发展,2010,(02):75.
 LI Jing,YAO Ming-hai.Research of Semantic Image Classification Based on Support Vector Machine[J].,2010,(07):75.
[6]姜鹤 陈丽亚.SVM文本分类中一种新的特征提取方法[J].计算机技术与发展,2010,(03):17.
 JIANG He,CHEN Li-ya.A New Feature Selection Method in SVM Text Categorization[J].,2010,(07):17.
[7]曹庆璞 董淑福 罗赟骞.网络时延的混沌特性分析及预测[J].计算机技术与发展,2010,(04):43.
 CAO Qing-pu,DONG Shu-fu,LUO Yun-qian.Chaotic Analysis and Prediction of Internet Time- Delay[J].,2010,(07):43.
[8]路川 胡欣杰.区域航空市场航线客流量预测研究[J].计算机技术与发展,2010,(04):84.
 LU Chuan,HU Xin-jie.Analysis of Regional Airline Passenger Forecast Title[J].,2010,(07):84.
[9]黄炜 黄志华.一种基于遗传算法和SVM的特征选择[J].计算机技术与发展,2010,(06):21.
 HUANG Wei,HUANG Zhi-hua.Feature Selection Based on Genetic Algorithm and SVM[J].,2010,(07):21.
[10]孙秋凤.microRNA计算识别中的模式识别技术[J].计算机技术与发展,2010,(06):97.
 SUN Qiu-feng.Pattern Recognition Technology for MicroRNA Identification[J].,2010,(07):97.
[11]陈桂林,王生光,徐静妹,等. 基于GA和组合核的SVM入侵检测算法[J].计算机技术与发展,2015,25(02):148.
 CHEN Gui-lin,WANG Sheng-guang,XU Jing-mei,et al. Intrusion Detection Algorithm of SVM Based on GA and Composed Kernel Function[J].,2015,25(07):148.
[12]张公让,万飞. 基于网格搜索的 SVM 在入侵检测中的应用[J].计算机技术与发展,2016,26(01):97.
 ZHANG Gong-rang,WAN Fei. Application of Support Vector Machine in Network Intrusion Detection Based on Grid Search[J].,2016,26(07):97.
[13]陈天宇,吴凡,马世杰,等. 基于CS和LS-SVM的入侵检测算法[J].计算机技术与发展,2016,26(05):99.
 CHEN Tian-yu,WU Fan,MA Shi-jie,et al. Intrusion Detection Algorithm Based on Compressed Sensing and Least Square Support Vector Machine[J].,2016,26(07):99.

备注/Memo

备注/Memo:
国家自然科学基金资助项目(60572128);安徽省自然科学研究计划项目(KJ2008B38ZC,KJ2007B239);巢湖学院自然科学基金资助项目(XLY-200713);巢湖学院科研启动基金资助项目汪世义(1974-),男.讲师,硕士,主要研究方向为模式识别与信号处理、网络安全。
更新日期/Last Update: 1900-01-01