基于SVM和序列互相关特性的入侵检测

【摘要】：基于神经网络进行入侵检测的重要基础是统计学理论,其前提是有足够多样本,若样本数目有限则难以取得理想效果。支持向量机是一种小样本统计学习算法,着重研究在小样本情况下的统计规律及学习方法,解决小样本学习问题。在入侵检测研究中,由于很难获得足够多的系统调用样本,所以基于SVM的入侵检测效果优于其他统计学方法。本文重点研究了利用SVM对关键进程系统调用轨迹进行的入侵行为识别,同时研究了不同训练样本对入侵检测性能的影响。此外,本文还提出了应用样本序列互相关特性进行训练样本选择。研究表明,本文方法可以大大提高入侵检测效率。