| 基于潜在语义模型的SVM入侵检测研究 |
| |
| 引用本文： | 杨清,李方敏.基于潜在语义模型的SVM入侵检测研究[J].计算机工程与应用,2007,43(5):143-145,152. |
| |
| 作者姓名： | 杨清 李方敏 |
| |
| 作者单位： | [1]湖南科技大学计算机科学与工程学院,湖南湘潭411201 [2]武汉理工大学信息工程学院,武汉430072 |
| |
| 基金项目： | 湖南省杰出青年科学基金 |
| |
| 摘 要： | 论文提出了一种基于潜在语义索引(LSI)和支持向量机(SVM)的异常入侵检测方法。选取PARPA’98BSM数据集作为训练数据和测试数据,通过实验比较和分析表明:基于LSI和SVM方法的入侵检测系统具有较高的检测率和较低的虚警率,且能大大减低计算的复杂性,是一种有效的异常识别和检测方法。
|
| 关 键 词： | 入侵检测 支持向量机 潜在语义模型 |
| 文章编号： | 1002-8331（2007）05-0143-03 |
| 修稿时间： | 2006-04 |
Research on support vector machine for intrusion detection based on latent semantic model |
| |
| YANG Qing,LI Fang-min.Research on support vector machine for intrusion detection based on latent semantic model[J].Computer Engineering and Applications,2007,43(5):143-145,152. |
| |
| Authors: | YANG Qing LI Fang-min |
| |
| Abstract: | This paper proposes a new Support Vector Machine(SVM) for anomaly intrusion detection method based on Latent Semantic Indexing(LSI).In this paper,the PARPA'98 data sets are chosen as training and testing data sets,experiments show that our method has a higher detection rate and a lower false positive rate,and can greatly reduce the computation complexity.It is an effective anomaly identifying and detecting method. |
| |
| Keywords: | intrusion detection Support Vector Machine latent semantic model |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
