基于遗传算法优化SVM的嵌入式网络系统异常入侵检测

• 作者: 姜春茂 张国印 李志聪
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 支持向量机 遗传算法 检测精度 入侵检测
• 年，卷（期）: 2011,（2）
• 页码范围: 287-289
• 分类号: TP3
• 字数: 1824字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2011.02.087

摘要

由于传统嵌入式网络系统入侵检测方法难以获得较高的检测精度,提出基于遗传算法优化的支持向量机(GA-SVM)的网络入侵检测技术.支持向量机分类器能够较好地解决少样本、高维、非线性分类问题.然而,支持向量机训练参数的选择对其分类精度有着很大影响,遗传算法能够同时优化支持向量机的训练参数,采用遗传算法进行支持向量机的训练参数同步优化.实验结果表明,这种遗传算法优化的支持向量机分类入侵检测模型有着很高的检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张国印	哈尔滨工程大学计算机学院	162	1407	18.0	28.0
2	姜春茂	哈尔滨工程大学计算机学院	6	33	3.0	5.0
6	李志聪	哈尔滨师范大学计算机科学技术与信息工程学院	18	98	6.0	9.0