论文部分内容阅读
互联网络中，计算机和设备随时受到恶意入侵的威胁，严重影响了网络的安全性。入侵行为具有升级快、隐蔽性强、随机性高的特点，传统方法难以有效防范，针对这一问题，本文提出一种基于支持向量机（SVM）的网络入侵检测集成学习算法，利用SVM建立入侵检测基学习器，采用AdBoost集成学习方法对基学习器迭代训练，生成最终的入侵检测模型，仿真实验表明入侵检测模型更加贴近真实的网络入侵样本，减小了小样本集导致的模型精度大幅下降的问题，同时模型的整体检测精度也有较大的提升。