基于优化支持向量机的网络入侵检测技术研究.pdfVIP

第 l9卷 第 7期 计 算 机技 术 与发 展 Vt、I．I9 NO．7 2009年 7月 COMPUTERTECI-IN()1kXY A r)DEVEI．()l’XIENT JU1． 2009 基于优化支持向量机的网络入侵检测技术研究 汪世 义 (巢湖学院计算机系，安徽 巢湖 238000) 摘 要 ：入侵检测系统是任何一个完整的网络安全系统中必不可缺的部分。日益严峻的安全问题对于捡测方法提出更高 的要求。传统的人侵检测方法存在误报漏报及实时性差等缺点，将机器学习的技术引人到入侵监测系统之中以有效地提 高系统性能具有十分重要的现实意义。支持向量机(svM)是一种建立在统计学习理论(SLT)基础之上的机器学习方法 ． 被成功地应用到入侵检测领域中。讨论了支持向量机优化算法及其在入侵检测中的应用。实验表明，基于优化支持向量 机检测入侵的方法能较大地提高入侵检测系统的性能。 关键词：支持向量机 ；入侵检测；分类 中图分类号 ：]rI】393．08 文献标识码 ：A 文章编号：1673—629X(2009)07—0177—03 Network IntrusionDetectionBasedon Improved SupportVectorMachine WANG Shi．yi (ComputerDepartmentofChaohuCollege，Chaohu238000，China) Abstract：Intrusiondetectionmustbeneededinanyintegralcompletesecuritynetworksyste~n．Theserioussecurityproblemsrequirebet— terperfonTmnceforintrusiondetectoinsyste~n．Thetraditionalintrusiondetectionsystemshavehighfalsenegativerate，Soitisimportnat tOintroducemachinelearningintointrusiondetcetionsystemstoimpmvetheperformance．Supportvcetormachine(SVM)isonekindof themachinelearningtechnologiesbasedonthestatisticlearningtheory(SLT)．Itfounditsapplicatoininintrusiondetcetionsuccessfu1． Discusstheapplicationsofimpmvde SVM algorithm．Theexperimentpr0v thatdetcetingintrusionbasedonoptimizedSVM impmv~ thedetcetionper{0lrrI1{u e． KeyWOl~ ：supportvectorma chine；intrusiondetcetion；classification O 引 言 可缺少的安全防护技术。但 由于网络入侵手法的复杂 计算机网络已经成为信息社会最重要的基础设施 性和多样性，至今仍然找不到网络入侵行为与网络数 之一，它深刻影响着现代社会生活的各个方面。作为 据特征之间确定的函数关系，很多的研究方法都是试 现代信息社会交互的平台，计算机网络的基本要求是 图对它们之间的函数关系进行估计和逼近，而这正是 开放性和互联性，但伴随着开放性和互联性带来的最 机器学习研究问题之一。 令人担忧的问题就是安全性问题。入侵检测技术 自