科技通报
科技通報
과기통보
BULLETIN OF SCIENCE AND TECHNOLOGY
2013年
5期
167-172
,共6页
入侵检测%D-S融合%关联维数%支持向量机%特征选择
入侵檢測%D-S融閤%關聯維數%支持嚮量機%特徵選擇
입침검측%D-S융합%관련유수%지지향량궤%특정선택
intrusion detection%D-s fusion%correlation dimension%SVM%feature selection
研究网络异常入侵检测问题.将SVM和融合技术应用于入侵检测领域,解决了传统SVM算法易产生训练参数选择不当,检测效率和分类精度低的问题.实现了对特征库中各特征量根据报警信息时间序列的预测进行优化和更新,有效地降低了算法的时间复杂度和空间复杂度,提高入侵检测系统对已有特征量对应攻击的识别效率.实验结果表明,该融合算法训练时间短、分类精度高、测试时间减少,误报率和漏报率低,有效提高了入侵检测系统的准确性和实时性.是一种有效可行的入侵检测方法.
研究網絡異常入侵檢測問題.將SVM和融閤技術應用于入侵檢測領域,解決瞭傳統SVM算法易產生訓練參數選擇不噹,檢測效率和分類精度低的問題.實現瞭對特徵庫中各特徵量根據報警信息時間序列的預測進行優化和更新,有效地降低瞭算法的時間複雜度和空間複雜度,提高入侵檢測繫統對已有特徵量對應攻擊的識彆效率.實驗結果錶明,該融閤算法訓練時間短、分類精度高、測試時間減少,誤報率和漏報率低,有效提高瞭入侵檢測繫統的準確性和實時性.是一種有效可行的入侵檢測方法.
연구망락이상입침검측문제.장SVM화융합기술응용우입침검측영역,해결료전통SVM산법역산생훈련삼수선택불당,검측효솔화분류정도저적문제.실현료대특정고중각특정량근거보경신식시간서렬적예측진행우화화경신,유효지강저료산법적시간복잡도화공간복잡도,제고입침검측계통대이유특정량대응공격적식별효솔.실험결과표명,해융합산법훈련시간단、분류정도고、측시시간감소,오보솔화루보솔저,유효제고료입침검측계통적준학성화실시성.시일충유효가행적입침검측방법.
