基于SVM的分布式入侵检测系统  

SVM-Based Distributed Intrusion Detection System

作　　者：程学云[1] 徐慧[1] 朱玲玲[1] 

机构地区：[1]南通大学计算机科学与技术学院,江苏南通226019

出　　处：《南通大学学报（自然科学版）》2008年第3期50-52,66,共4页Journal of Nantong University(Natural Science Edition)　

基　　金：江苏省高校自然科学研究计划项目(07KJD520177);南通大学自然科学基金项目(07Z054)

摘　　要：支持向量机(Support Vector Machine,简称SVM)具有泛化性高、全局最优、对样本的充分性要求不高等优点,在集中式的入侵检测问题中得到较好应用.文章将SVM算法推广到分布式入侵检测环境中,提出基于SVM的分布式学习算法,并在KDD Cup 99数据集上与集中式方式进行了对比实验.结果表明,该算法不仅能降低网络中的通信负载,而且取得了与集中式方式相当的检测性能.Support Vector Machine （SVM） has the advantages of good generalization, globally optimized solution, low demand on sufficient samples and is well applied in centralized intrusion detection. In this paper, the SVM algorithm is generalized to distributed intrusion detection environment and the SVM-based distributed learning algorithm is proposed and tested on KDD Cup 99 dataset. The results show that the algorithm decreases the communication load, and increases the prediction accuracy which can be comparable to that in central style.

关 键 词：支持向量机 支持向量 分布式入侵检测 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]