改进蚁群算法优化SVM参数的网络入侵检测模型研究

• 作者: 李振刚 甘泉
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 网络入侵检测 支持向量机(SVM) 高斯变异 改进蚁群算法(MACO)
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 第五届云计算大会专题
• 页码范围: 785-789
• 页数: 5页
• 分类号: TP273
• 字数: 2806字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2014.06.009

摘要

基于支持向量机(support vector machine,SVM)的网络入侵检测模型泛化能力与其参数选取密切相关,因此SVM参数优化是一个难题.为进一步提高网络入侵检测率,提出一种改进蚁群优化SVM参数算法(modified antcolony optimization algorithm-support vector machine,MACO-SVM)的网络入侵检测模型.首先采用蚁群搜索路径节点代表支持向量机参数,将网络入侵检测率做为目标函数,然后通过蚁群算法的全局寻优能力和反馈机制寻找最优参数,并对蚂蚁进行高斯变异,克服蚁群陷入局部极值,最后将最优路径上的节点连接起来得到SVM的最优参数,建立最优网络入侵检测模型.采用KDD99数据集对模型进行仿真实验,仿真结果表明,MACO-SVM不仅提高了网络入侵的检测效率,而且获得了更高的检测率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	甘泉	平顶山学院计算机科学与技术学院	47	150	7.0	10.0
2	李振刚	天津城建大学信息中心	5	67	2.0	5.0