衣治安;吕曼;

• 1:大庆石油学院计算机与信息技术学院

• 2:大庆石油学院计算机与信息技术学院 黑龙江大庆163318

• 3:黑龙江大庆163318

摘要(Abstract)：

在入侵检测系统中应用支持向量机算法,使得该系统在先验知识较少的条件下仍具有良好的推广能力.基于此,对支持向量机在网络入侵检测中的应用进行了分析,构造了以支持向量机分类算法为基础的入侵检测模型,并利用KDD99入侵检测数据进行了仿真实验,分析了该模型的工作过程.实验结果表明:该模型在先验知识较小的情况下,能够较好地检测出入侵行为.

关键词(KeyWords)：入侵检测;统计学习理论(SLT);支持向量机(SVM);核函数

Abstract:

Keywords:

基金项目(Foundation):黑龙江省研究生创新科研资金项目(YJSCX2006-38HLJ)

作者(Author):衣治安;吕曼;

Email:

参考文献(References)：

• [1]陈光英,张千里,李星.基于SVM分类机的入侵检测系统[J].通信学报,2002,23(5):51-56.

• [2]GHOSH A K,SCHWARTZBARD A.A study in using neural networks for anomaly and misuse detection[A].The 8th USENIX Se-curity Symposium,Washing DC,1999.

• [3]BALAJINATH B,RAGHAVAN S V.Intrusion detection through learning behavior model[J].Computer Communication,2001,24(12):1 202-1 212.

• [4]VAPNIK V N.统计学习理论的本质[M].张学工,译.北京:清华大学出版社,1995.

• [5]李卓,刘斌,刘铁男.支持向量机及其在油田生产中的应用[J].大庆石油学院学报,2006,29(3):77-82.

• [6]KDD cup 99 Intrusion detection data set[EB/OL].(1999-10-28)[2005-10-21]http://kdd.ics.uci.edu/databases/kddcup99/kd-dcup.data—10—percent.gz.