您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(工学版)》

山东大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (6): 53-56.

• 控制科学与工程 • 上一篇    下一篇

基于双联支持向量机的入侵检测技术

王昊,华继学,范晓诗   

  1. 空军工程大学防空反导学院, 陕西 西安 710051
  • 收稿日期:2013-11-11 出版日期:2013-12-20 发布日期:2013-11-11
  • 作者简介:王昊(1989- ),男,江苏徐州人,硕士研究生,主要研究方向为网络与信息安全. E-mail:wh00701@163.com

Intrusion detection technology based on twin support vector machine

WANG Hao, HUA Ji-xue, FAN Xiao-shi   

  1. School of Air and Missile Defense, Air Force Engineering University, Xi′an 710051, China
  • Received:2013-11-11 Online:2013-12-20 Published:2013-11-11

摘要:

为提高网络入侵检测系统的性能,提出基于双联支持向量机的入侵检测方法。介绍网络入侵检测系统工作的基本原理;引入双联支持向量机和入侵检测分类器;构建基于双联支持向量机的入侵检测模型。仿真结果表明,该方法可以在样本数据很少的情况下,高速率、高精度地对计算机网络安全进行检测,适用于入侵检测系统。

关键词: 网络安全, 入侵检测, 支持向量机, 双联支持向量机

Abstract:

To improve the performance of network intrusion detection system, an intrusion detection method based on twin support vector machine(TWSVM) was proposed. The basic principle of network intrusion detection system was introduced, an intrusion detection classifier was proposed and an intrusion detection model based on TWSVM was put forward. Moreover, the intrusion detection system based on TWSVM  was tested by simulation. The experimental results showed that the intrusion detection method based on TWSVM was applicable to the intrusion detection system, for it could detect the computer network security at a high speed and high precision when there were rare sample data.

Key words: network security, intrusion detection, support vector machine, twin support vector machine

中图分类号: 

  • null
[1] 叶明全,高凌云,万春圆. 基于人工蜂群和SVM的基因表达数据分类[J]. 山东大学学报(工学版), 2018, 48(3): 10-16.
[2] 肖苗苗,魏本征,尹义龙. 基于BFOA和K-means的复合入侵检测算法[J]. 山东大学学报(工学版), 2018, 48(3): 115-119.
[3] 韩学山,王俊雄,孙东磊,李文博,张心怡,韦志清. 计及空间关联冗余的节点负荷预测方法[J]. 山东大学学报(工学版), 2017, 47(6): 7-12.
[4] 刘岩,李幼军,陈萌. 基于EMD和SVM的抑郁症静息态脑电信号分类研究[J]. 山东大学学报(工学版), 2017, 47(3): 21-26.
[5] 李素姝,王士同,李滔. 基于LS-SVM与模糊补准则的特征选择方法[J]. 山东大学学报(工学版), 2017, 47(3): 34-42.
[6] 刘杰, 杨鹏, 吕文生, 刘阿古达木, 刘俊秀. 基于气象因素的PM2.5质量浓度预测模型[J]. 山东大学学报(工学版), 2015, 45(6): 76-83.
[7] 刘晓勇. 一种基于树核函数的半监督关系抽取方法研究[J]. 山东大学学报(工学版), 2015, 45(2): 22-26.
[8] 浩庆波, 牟少敏, 尹传环, 昌腾腾, 崔文斌. 一种基于聚类的快速局部支持向量机算法[J]. 山东大学学报(工学版), 2015, 45(1): 13-18.
[9] 李发权, 杨立才, 颜红博. 基于PCA-SVM多生理信息融合的情绪识别方法[J]. 山东大学学报(工学版), 2014, 44(6): 70-76.
[10] 李春彦,刘怡良,王良民*. 车载自组网中基于交通场景的入侵行为检测机制[J]. 山东大学学报(工学版), 2014, 44(1): 29-34.
[11] 周咏梅1,杨佳能2,阳爱民2. 面向文本情感分析的中文情感词典构建方法[J]. 山东大学学报(工学版), 2013, 43(6): 27-33.
[12] 夏战国,万玲,蔡世玉,孙鹏辉. 一种面向入侵检测的半监督聚类算法[J]. 山东大学学报(工学版), 2012, 42(6): 1-7.
[13] 施珺,朱敏. 一种基于灰色系统和支持向量机的预测优化模型[J]. 山东大学学报(工学版), 2012, 42(5): 7-11.
[14] 丁彦,李永忠*. 基于PCA和半监督聚类的入侵检测算法研究[J]. 山东大学学报(工学版), 2012, 42(5): 41-46.
[15] 赵加敏,冯爱民*,刘学军. 局部密度嵌入的结构单类支持向量机[J]. 山东大学学报(工学版), 2012, 42(4): 13-18.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!