论文部分内容阅读
对高度伪装的网络入侵行为优化识别，是保护网络安全的重要手段。随着网络入侵行为伪装性的不断增强，传统的入侵检测方法，主要通过对网络入侵行为特征进行识别的，需要根据疑似入侵特征的相似性，进行迭代计算，一旦伪装程度较高，需要多次计算，效率偏低。提出基于支持向量机增量学习的伪装入侵行为识别方法，将网络入侵数据进行层次划分，划分多个层次进行特征细化分析，用尽可能少和准确的参数描述流量特征，计算表示网络数据伪装程度的参数，结合自相似性参数，完成网络入侵行为伪装特征的识别。仿真结果表明，利用改进后的算法能够对网络入侵行