论文部分内容阅读
入侵检测系统已经成为网络安全技术的重要组成部分，然而传统的异常入侵检测技术需要通过对大量训练样本的学习，才能达到较高的检测精度，而大量训练样本集的获取在现实网络环境中是比较困难的。文章研究在网络入侵检测中，采用基于支持向量机（SVM）的主动学习算法，解决训练样本获取代价过大带来的问题。文中通过基于SVM的主动学习算法与传统的被动学习算法的对比实验，显示出主动学习算法与传统的学习算法相比，能有效地减少学习样本，极大地提高入侵检测系统的分类性能。