基于支持向量機的入侵檢測技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，對計算機整個系統(tǒng)的安全性提出了更多更高的要求，特別是針對計算機系統(tǒng)的入侵，必須能夠及時、有效的檢測處理和防范。將支持向量機分類器應(yīng)用到入侵檢測中，可以保證在先驗知識不足的情況下，支持向量機分類器仍有較好的分類正確率，從而使整個入侵檢測系統(tǒng)具有較好的檢測性能。 本篇論文主要討論了支持向量機和入侵檢測方法的基本理論和各種算法。支持向量機的速度問題是限制其進一步應(yīng)用的主要問題，人們提出了各種改進方法。但是當樣本集混

2、疊比較嚴重或存在于另一類中的樣本點較多時，直接用支持向量機的方法進行分類顯然是不行的，有人提出先對訓練集用最近鄰的方法進行修剪，根據(jù)每個樣本與其最近鄰類標的異同決定取舍，然后再用支持向量機訓練得到分類器。這樣的分類器不能對支持向量機分類間隔之間的樣本點進行有效的分類。 因此，本文在以上算法的基礎(chǔ)上，對支持向量機的測試過程進行了改進。在用修剪后的樣本集進行訓練后，得到相應(yīng)的支持向量和參數(shù)；然后對測試樣本集進行測試，判斷待識別樣本是