吴荻，高大鹏

（中国民用航空飞行学院计算机学院，广汉618300）

0 引言

互联网和移动互联网的普及，使得网络在生活中产生了巨大的作用，网络电子渠道成为目前为止人们获取外界信息最有效且最重要的方式。2018年公布了中国互联网使用情况统计，截至2018年6月30日，中国网络用户数目达到了80200万，在2018前半年新增网络用户2968万。与2017年比，增长了3.8%，移动网络的覆盖率达到了57.7%，人类生活的便捷度得到了巨大的改善。移动互联网的发展，推动了网络信息的传播，但也同时出现了一些安全问题。正因为网络信息是开放的、无国界的、公共的，因此如何守护网络的信息安全问题就成了一个严峻的挑战。

入侵检测系统是一种通过实时监测网络环境访问数据，以此确定合法访问和入侵活动。由于网络的快速发展导致网络环境中各种数据量急剧增加，网络环境复杂，计算机更容易受到攻击，比如用恶意代码对信息进行修改，窃取、揭露等。老式的检测技术依赖于大量的人力，时效性较差，防御未知入侵技术的能力也不出众，因此在现代检测技术中就更需要提升检测算法的高效性。机器学习算法是通过“学习”模拟人类的学习行为来检测未知攻击，因此在传统检测技术的基础上引入机器学习算法会更加适配现代复杂的网络环境。

1 支持向量机（SVM）

SVM是一种优秀的二分类算法，它是建立在统计学习理论和机构风险最小化原理的基础上，解决了很多传统机器学习算法中出现的过度拟合、维数灾难、低位模式等问题，在很多特殊问题上有独有优势，比如非线性、小样本和高位模式等问题。……