一种基于支持向量机的入侵检测模型

摘要

支持向量机(support vector machines)是一种建立在统计学习理论基础之上的机器学习方法.基于支持向量机在处理小样本、高维数及泛化能力强等方面的优势,该文提出了一种根据结构风险最小化原则基于支持向量机的入侵检测系统,首先简单介绍了入侵检测系统近来的发展状况和支持向量机的分类算法,然后给出以支持向量机分类算法为基础的入侵检测模型,以系统调用执行迹进行仿真实验,详细讨论了该模型的工作过程及核函数参数的选取对检测性能的影响.实验表明,该模型在先验知识较小的情况下,能够较好的检测出异常的入侵调用.