本论文将统计学习理论引入入侵检测领域，讨论了基于SVM方法的智能检测

策略，检测算法具有良好的推广能力.引入HVDM距离代替范数，改进了SVM的

RBF核函数定义，使之能够直接处理异构的网络连接信息 利用有保证的估计方法

来确定训练数据集规模，避免了依靠实验选择训练规模的盲目性 针对重复样本

和重要样本提出了样本加权的思路，降低了错分样本的可能 考虑到网络连接记

录的不同属性对检测结果贡献不一的事实，提出了特征选择与特征加权的方法，

进而得到一个更好的分类超平面，提高了检测的效率和精度。