论文部分内容阅读
网络入侵检测系统（ IDS）是放置在比较重要的网段内或主机上，不停地监视各种传输数据包以及系统审计日志，进行智能分析与判断目的性攻击的系统，是当前网络安全研究的热点问题之一。文中将机器学习（ ML）技术加入IDS的检测之中，不仅可以建立已知攻击的特征轮廓，还能检测出其变体和未知攻击，是对入侵检测技术的一个扩展。同时以Sniffer捕获数据为基础数据包，设计并实现了一个基于改进支持向量机（ SVM）核函数技术的IDS。通过实验数据对比，说明了该系统在日志分析以及网络嗅探方面的有效性，以及其在时间复杂度等方面