CAJ | 학술논문

针对传统入侵检测系统漏报率和误报率高的问题,将支持向量机(SVM)应用于入侵检测中,提出了在SVM学习过程中引入交叉验证的方法,采用径向基函数(RBF)作为核,将训练集分成若干子集,每一子集使用其它子集训练得到的分类器进行测试,获得RBF的两个最佳参数后,将其应用于最终的分类器.实验结果表明,该方法能够有效检测入侵攻击,具有更高的检测率和更强的泛化能力,同时具有较低的误报率和漏报率,可以有效地运用于入侵检测系统中.
침대전통입침검측계통루보솔화오보솔고적문제,장지지향량궤(SVM)응용우입침검측중,제출료재SVM학습과정중인입교차험증적방법,채용경향기함수(RBF)작위핵,장훈련집분성약간자집,매일자집사용기타자집훈련득도적분류기진행측시,획득RBF적량개최가삼수후,장기응용우최종적분류기.실험결과표명,해방법능구유효검측입침공격,구유경고적검측솔화경강적범화능력,동시구유교저적오보솔화루보솔,가이유효지운용우입침검측계통중.