文献类型：期刊文献

中文题名：异常检测中支持向量机最优模型选择方法

英文题名：Support Vector Machine Based Optimal Model Selection Method in Anomaly Detection

作者：张雪芹[1];顾春华[1];吴吉义[2]

机构：[1]华东理工大学信息科学与工程学院,上海徐汇区200237;[2]杭州师范大学电子商务与信息安全重点实验室,杭州310036

年份：2011

卷号：40

期号：4

起止页码：559

中文期刊名：电子科技大学学报

外文期刊名：Journal of University of Electronic Science and Technology of China

收录：CSTPCD;;EI(收录号：20114114415042);Scopus;北大核心:【北大核心2008】；CSCD:【CSCD2011_2012】；

基金：国家自然科学基金(60773094)

语种：中文

中文关键词：异常检测;模型选择;参数估计;结构风险;支持向量机

外文关键词：intrusion detection; model selection; parameters estimation; structure risk; support vector machines

摘要：为了构建一个具有良好的学习性能和推广能力的异常检测分类器,在结构风险最小(SRM)原则下讨论了基于支持向量机(SVM)的异常检测分类器的设计准则,提出了SVM分类器模型及其参数快速选择和评估方法,并给出了异常检测分类器训练步骤。针对KDD’99网络入侵检测数据集,实验结果表明,该方法能够有效地缩短入侵检测分类模型建立时间,而且建立的入侵检测分类器检测精度较高。
In order to construct an anomaly detection classifier which has good learning and generalization ability,under the structural risk minimization（SRM） principle,the design rules of a support vector machines（SVMs） based anomaly detection classifier is discussed.The model and its parameters selection and estimation method of a SVM classifier are proposed.The training steps of a SVM anomaly detection classifier are given.Experiments on KDD＇99 network intrusion detection dataset indicate that the proposed methods can speed up the process of constructing an intrusion detection classifier and the classification accuracy is higher.