基于支撐矢量機的入侵檢測.pdf

1、隨著計算機網(wǎng)絡的迅速發(fā)展和日益普及,有關(guān)網(wǎng)絡的安全問題也日益突出.入侵檢測是對防火墻、病毒檢測、加密等傳統(tǒng)計算機安全機制的一種有益補充,增大了對系統(tǒng)與網(wǎng)絡安全的保護范圍.支持向量機是自上世紀90年代提出的一種基于統(tǒng)計學習理論的機器學習算法.與其它學習算法相比,支持向量機有許多優(yōu)點,其理論基礎堅實、推廣能力良好、非線性處理能力強大、維數(shù)不敏感等,所以受到了越來越多的關(guān)注與重視,并已成功地應用于模式識別、回歸估計等領(lǐng)域.正因為SVM有這些顯

2、著的特點,目前已有諸多的學者探索把支撐矢量機運用到入侵檢測中.針對大規(guī)模、高維異構(gòu)的入侵檢測數(shù)據(jù),如何應用支持向量機提高入侵檢測系統(tǒng)的性能正是本文工作的核心,論文涉及的主要內(nèi)容如下:1各個屬性不完全屬于同一類型的多維數(shù)據(jù)我們就稱之為異構(gòu)數(shù)據(jù),這種數(shù)據(jù)的差異性度量一直是個難點.由此我們引入HVDM距離函數(shù),并根據(jù)信息熵理論原理對其進行了加權(quán)改進,提出WHVDM距離函數(shù),從而較為合理科學地解決了高維異構(gòu)數(shù)據(jù)間的差異性度量問題.2提出了基于W