基于模糊支持向量机的网络入侵检测技术  

Network Intrusion Detection Based on Fuzzy Support Vector Classification Machines

作　　者：杨鸽[1] 李永忠[1] 徐静[1] 赵博[1] 

机构地区：[1]江苏科技大学电子信息学院,江苏镇江212003

出　　处：《江南大学学报（自然科学版）》2007年第6期787-790,共4页Joural of Jiangnan University (Natural Science Edition)　

基　　金：江苏省高校自然科学基金项目(2005DX006J);江苏科技大学科研基金项目

摘　　要：针对支持向量机算法中存在对噪声数据和异常数据敏感的问题,提出了模糊支持向量机算法,并应用于入侵检测.该算法是在传统支持向量机分类器的构造方法中引入隶属度函数,根据不同输入所得到的分类结果,产生相应的惩罚值.将这个方法应用到入侵检测系统中,能较好地将正常数据和异常数据区分开.实验结果表明,采用模糊支持向量机的入侵检测技术,其误报率低于基于支持向量机的入侵检测,同时其检测率也相对较高.A new fuzzy support vector machine is salve the sensitivity problem to （Support Vector Machine）. A membership function produces the noisy data fuzzy membersh penalty values proposed and and outlier in ip function is according to applied in intru the traditional used in of clas the different sion detection to method of SVM sification. Fuzzy affects on the classification result. The method applied in intrusion detection system can divide exactly between normal data and abnormal date. The experimental results show that the Intrusion Detection System （IDS） based on the Fuzzy Support Vector Classification Machines possesses higher detection rate and lower false positive rate than the traditional IDS based on SVM.

关 键 词：入侵检测 支持向量机 隶属度函数 

分 类 号：TP393.8[自动化与计算机技术—计算机应用技术]