應用支持向量機實現計算機入侵檢測

摘 要：文章以計算機入侵檢測方法為研究對象，著眼于對支持向量機的應用，首先研究了支持向量機的基本概念，對有關線性支持向量機以及非線性支持向量機的應用要點加以了分析，進而就引入支持向量機條件下，計算機入侵檢測的工作過程進行了分析，最后以仿真分析的方式，驗證了基于支持向量機檢測方案在應用于計算機入侵檢測中的優勢與價值。

關鍵詞：支持向量機；計算機；入侵檢測

中圖分類號：TP393.08 文獻標識碼：A 文章編號：1674-7712 （2014） 18-0000-01

當前作用于計算機入侵檢測的方法大多對于審計數據集的完整性有著較高的依賴性，且訓練時間過長，無法體現入侵檢測技術實時性以及全面性的優勢。為提高計算機入侵檢測技術的工作質量與水平，本文認為需要將研究的重點放在對小樣本學習問題的解決方面，而支持向量機無疑在其中有著重要的價值。

一、支持向量機概述

在統計學研究領域當中，支持向量機是最具實用性的研究內容之一，當前，支持向量機被廣泛應用于手寫體數字識別以及人臉識別等關鍵領域當中，發揮著突出的優勢與價值。從廣義最優分類面以及支持向量的角度上來說，支持向量機是在線性可分這一假設條件下演變而來的。對于支持向量機工作空間中所涉及到的負類樣本以及正類樣本而言，可以依賴于分界線進行劃分。通常，將距離線圈的樣本表示距離分割接線最短的樣本定義為支持向量。

二、支持向量機實現計算機入侵檢測過程分析

在通過對支持向量機的應用完成計算機入侵行為檢測工作的全過程當中，根據工作實施的內容，可以換分為兩個基本性的階段：第一階段為訓練階段，此階段中的主要工作內容是，依賴于對先驗信息的處理，獲取對應的訓練樣本作為對象（在前期所獲取的訓練樣本當中會涉及到狀態正常以及狀態異常的兩類樣本）。確定樣本后，需要對支持向量機所對應的核函數數值進行選擇，依照實際情況，對該參數進行必要的修改與調整，使最終所選取的參數方案為最優方案（參數調整以及誤差修正的依據為：確保支持向量機干預下，訓練樣本分類性能的最優化）。具體而言，訓練階段的工作流程如下圖所示（見圖1）。

第二階段為檢測階段，此階段中的主要工作內容是：以主機數據以及網絡數據為源，面向計算機入侵檢測提供數據支持。由于主機數據以及網絡數據在表現載體方面具有多樣性特征（可能以字符類型為載體，以用戶操作指令為載體，以具體數值為載體，也可能以中央處理器時間數值為載體）。而對于同步運行的支持向量機而言，為滿足支持向量機的應用要求，需要確保輸入支持向量機中的數據為具有同維特征的數字。因此，在檢測階段當中，獲取數據源后，需要對數據進行預處理，將各種不同載體下的數據格式轉變成為可以被支持向量機識別的數字矢量格式。輸入支持向量機后，對數據矢量進行分類。分類完成后，將分類結果匯總傳遞至決策系統當中，依照工作前期所預先設置的決策判定規范（一般通過發生頻率準則或者是構成比準則加以判定），最終完成對判定結果的輸出。具體而言，檢測階段的工作流程如下圖所示（見圖2）。

三、支持向量機實現計算機入侵檢測仿真分析

針對常規意義上所使用的T-STIDE、STIDE、RIPPER、以及HMM等多種計算機入侵檢測方法來說，由于入侵檢測所需的訓練集數目較大，正常狀態下執行集的數目大多在數百個以上單位。對于較大規模的入侵檢測而言，以上方法均存在一定的局限性。以已知狀態下執行集數目為5的情況為例，將本文所研究的建立在支持向量機基礎之上的計算機入侵檢測方案與上述常規檢測方案對比，所對應的數據結果如下表所示（見表1）。結合表1可知：建立在支持向量機基礎之上，計算機入侵檢測的檢測率達到了99.9%，且由于訓練過程中需要執行跡數目得到了有效的控制，因而可對訓練時間進行合理的控制，降低虛警率。

四、結束語

在計算機安全系統管理的過程當中，入侵行為會對計算機網絡數據產生極為不良的影響，甚至會造成系統對合法用戶的操作指令拒絕響應。而在計算機網絡系統中，依賴于對支持向量機概念的引入，能夠通過分析計算機相關安全數據與操作指令的方式，實現對入侵行為的及時檢測，提高對非法入侵行為的控制效果。由此可見，引入支持向量機概念，并將其作用于計算機入侵檢測中，有著重要的意義與價值。本文針對該問題展開了詳細的分析與探討，望能夠引起各方工作人員的特別關注與重視。

參考文獻：

[1]林顥，趙杰文，陳全勝.近紅外光譜結合一類支持向量機算法檢測雞蛋的新鮮度[J].光譜學與光譜分析，2010（04）：929-932.

[2]王守超，李小霞，張紅英.基于偏最小二乘與改進中心對稱CENTRIST的快速行人檢測算法[J].電子與信息學報，2013（09）：2040-2046.

[3]赫英明，王漢杰，姜祝輝.支持向量機在云檢測中的應用[J].解放軍理工大學學報（自然科學版），2009（02）：191-194.

[4]馬秉偉，周莉.基于TLS-ESPRIT算法和支持向量機的間諧波檢測[J].高電壓技術，2009（06）：1468-1471.

[作者簡介]李冬梅（1981.10-），女，山西晉中人，講師，工學碩士，研究方向：智能控制、神經網絡、軟件開發。