基于交叉验证SVM的网络入侵检测

作者：王凯; 侯著荣; 王聪丽

来源：测试技术学报, 2010, (05): 419-423.

• 机器学习
• 入侵检测
• 统计学习
• 支持向量机
• 交叉验证 machine learning
• intrusion detection
• statistical learning
• support vector machine(SVM)
• cross-validation

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.

• 单位
  中国人民解放军陆军工程大学