一种基于并行支持向量机的网络入侵检测方法

构造了一种基于并行支持向量机（Parallel Support Vector Machines,简称PSVMs）的网络入侵检测（Intrusion Detection,ID）方法,多个并行的支持向量机在分布式的计算机系统环境上运行。利用反馈对初始的分类器进行更新,避免了初始训练样本的分布差异过大而对分类器性能产生的潜在影响。将其与神经网络检测模型进行对比,实验证明,该方法在保持较低误警率的同时有着很好的检测率,在训练时间上优于传统BP网络方法,并且能保证较好的泛化能力。