PSO-SVM算法在网络入侵检测中的研究

• 作者: 鞠秋文
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 入侵检测 支持向量机 粒子群算法
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 网络与互连技术
• 页码范围: 130-132,148
• 分类号: TP319
• 字数: 2911字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2011.04.032

摘要

保证网络运行的安全性,防止外来攻击与破坏,进行准确检测.由于网络入侵具有不确性,针对复杂性和多样性,传统检测方法不能有效对这种特性进行识别,导致目前网络入侵检测准确率低.为了提高网络入侵检测准确率,将粒子群(PSO)算法引入到网络人侵检测中,用优化SVM参数.PSO-SVM将网络入侵检测数据输入到SVM中学习,将SVM参数作为PSO中的粒子,把网络人侵检测准确率作为PSO的目标函数,然后通过粒子之间相互协作得到SVM最优参数,最后对网络入侵数据进行检测并输出网络人侵检测结果.在Matlab平台上采用DRAP网络入侵数据集对PSO-SVM进行仿真.实验结果表明,改进的方法PSO-SVM检测速度快,检测准确率高,为网络安全提供可靠保障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鞠秋文		4	16	2.0	4.0