nach oben

Erschienen in:

2018 | OriginalPaper | Buchkapitel

DoS Attacks Intrusion Detection Algorithm Based on Support Vector Machine

verfasst von : Lingren Wang, Jingbing Li, Jieren Cheng, Uzair Aslam Bhatti, Qianning Dai

Erschienen in: Cloud Computing and Security

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

An intrusion detection method which is suitable for the characteristics of WSN (wireless sensor networks) is proposed intrusion detection based on single-class support vector machine. SVM (Support vector machines) can directly train and model the collected data sets, automatically generate detection models, and improve the efficiency of intrusion detection systems. A three-layer intrusion detection model is defined based on this algorithm. The model is more effectively for classifying the data collected by cluster member nodes into intrusion data and normal data. Finally, On the QualNet simulation platform, we implement SVM for the detection of DoS (denial of service) attacks intrusion detection algorithm. The result show that it is feasible to apply SVM to the design of intrusion detection system, with higher system detection rate and lower false alarm rate.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Distribution of CA-Role in Block-Chain Systems

Nächstes Kapitel Dynamic-Enabled Defense Strategy Base on Improved CVSS for the Home Internet

White, B., Huson, L.: A peer-based hardware protocol for intrusion detection systems. In: Military Communications (2005)

Shi, E., Perrig, A.: Designing secure sensor networks. IEEE Wirel. Commun. 11, 38–43 (2006)

Heady, R: The Architecture of a Network-Level Intrusion Detection System, 1st edn., p. 18. Department of Computer Science, Mexico (1990)

Patal, S.C., Sanyal, P.: Securing SCADA systems. Inf. Manag. Comput. Secur. 16(4), 398–414 (2008)CrossRef

Vapnk, V.N.: The Nature of Statistical Learning Theory. Springer, New York (1995). https://doi.org/10.1007/978-1-4757-2440-0CrossRef

Park, Y.: A Statistical Process Control Approach for Network Instrusion Detection. Georgia Instrusion of Technology, Atlanta (2005)

Qing, W.: Jiulun FAN: Smooth support vector machine based on piecewise function. J. China Univ. Posts Telecommun. 05, 124–130 (2013)

Abdullah, M.Y.: Security and Energy Performance Optimization in Wireless Sensor Networks (2010)

Kooijman, M.: Building Wireless Sensor Networks Using Arduino. Packt Publishing, Birmingham (2015)

10.

Chmielewska, I.: Dos personas. Oceano Travesia (2009)

11.

Tian, Y.J., Ju, X.C., Qi, Z.Q.: Improved twin support vector machine. Sci. China Math. 57(02), 201–216 (2014)MathSciNetCrossRef

12.

Nakamori, Y.: Forecasting Nikkei 225 index with support vector machine. J. Syst. Sci. Complex. 16(04), 3–11 (2003)MathSciNetMATH

13.

Shi, L., Duan, Q., Ma, X., Weng, M.: The research of support vector machine in agricultural data classification. In: Li, D., Chen, Y. (eds.) CCTA 2011, Part III. IAICT, vol. 370, pp. 265–269. Springer, Heidelberg (2012). https://doi.org/10.1007/978-3-642-27275-2_29CrossRef

14.

Namnabat, M., Homayounpour, M.M.: Refining segmental boundaries using support vector machine. In: 2006 8th International Conference on Signal Processing. Institute of Electrical and Electronics Engineers, Inc. (2006)

15.

Dybala, J.: Comparative analysis of support vector machine and nearest boundary vector classifier. In: The 8th International Conference on Reliability, Maintainability and Safety (ICRMS 2009) (2009)

16.

Xue, X.H., Yang, X.G., Chen, X.: Application of a support vector machine for prediction of slope stability. Sci. China Technol. Sci. 57(12), 89–96 (2014)CrossRef

Titel: DoS Attacks Intrusion Detection Algorithm Based on Support Vector Machine
verfasst von: Lingren Wang
Jingbing Li
Jieren Cheng
Uzair Aslam Bhatti
Qianning Dai
Verlag: Springer International Publishing
Buch: Cloud Computing and Security
Print ISBN: 978-3-030-00017-2

Electronic ISBN: 978-3-030-00018-9

Copyright-Jahr: 2018
DOI: https://doi.org/10.1007/978-3-030-00018-9_26

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"