改进的WSVM入侵检测方法

• 作 者: 朱芳芳 李志华 王士同
• 机 构: 江南大学信息工程学院
• 出 处: 计算机仿真
• 发表日期: 2008年11期
• 关键词: 支持向量机 入侵检测 加权系数 离散 Support vector machine （SVM） Intrusion detection Weightin

在网络入侵检测中,数据类别不均衡训练集的使用将产生分类偏差。支持向量机(SVM)是一种新型的统计学习模型,在处理小样本和学习机的推广能力上有很大的优势。将加权支持向量机(WSVM)用于网络入侵检测中,使得入侵检测在小样本的条件下仍然具有较好的推广能力,并结合同时处理KDD Cup 1999 Data中的连续数据和离散字符,计算机仿真结果与其他方法比较结果表明,改进的WSVM入侵检测方法不但检测率提高,而且训练时间也缩短了,所以此改进方法是可行而高效的。