基于AFSA-SVM的网络入侵检测模型

• 作者: 刘丽 李玉霞 沈桂兰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 特征选择 人工鱼群算法 支持向量机 网络入侵检测
• 年，卷（期）: 2013,（24）
• 所属期刊栏目: 网络、通信、安全
• 页码范围: 74-77
• 页数: 4页
• 分类号: TP181
• 字数: 4308字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1303-0046

摘要

特征选择是网络入侵检测研究中的核心问题，为了提高网络入侵检测率，提出一种人工鱼群算法（AFSA）和支持向量机（SVM）相融合的网络入侵检测模型（AFSA-SVM）。将网络特征子集编码成人工鱼的位置，以5折交叉验证SVM训练模型检测率作为特征子集优劣的评价标准，通过模拟鱼群的觅食、聚群及追尾行为找到最优特征子集，SVM根据最优特征子集进行网络入侵检测，并采用KDD CUP 99数据集进行仿真测试。仿真结果表明，相对于粒子群优化算法、遗传算法和原始特征法，AFSA-SVM提高了入侵检测效率和检测率，是一种有效的网络入侵检测模型。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈桂兰	北京联合大学商务学院	19	58	5.0	7.0
2	刘丽	北京联合大学生物化学工程学院	28	55	5.0	6.0
3	李玉霞	北京联合大学商务学院	20	67	5.0	7.0