基于ACO-FS-SVM特征选择加权的网络入侵分类方法

• 作者: 潘启明 符承军
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 特征选择 特征加权 蚁群优化算法 支持向量机 网络入侵分类
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 1454-1458,1497
• 页数: 6页
• 分类号: TP181
• 字数: 4185字
• 语种: 中文
• DOI: 10.3969/j.issn1672-9722.2014.08.035

摘要

特征选择和分类器设计是网络入侵分类的关键,为了提高网络入侵分类率,针对特征选择问题,提出一种蚁群算法优化SVM选择和加权特征的网络入侵分类方法.首先利用支持向量机的分类精度和特征子集维数加权构造了综合适应度指标,然后利用蚁群算法的全局寻优和多次优解搜索能力实现特征子集搜索;然后选择网络数据的关键特征,计算信息增益获得各个特征权重,并根据特征权重构建加权支持向量机的网络入侵分类器;最后设计了局部细化搜索方式,使得特征选择结果不含冗余特征的同时提高了算法的收敛性,并通过KDD1999数据集验证了算法有效性.结果表明,ACO-SVM有效降低了特征维数,提高了网络入侵检测正确率和检测速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘启明	辽河石油勘探局通信公司网管维护中心	3	11	2.0	3.0
2	符承军	辽河石油勘探局通信公司网管维护中心	1	3	1.0	1.0