改进蚁群算法和支持向量机的网络入侵检测

• 作者: 肖国荣
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 网络入侵 支持向量机 蚁群算法 检测
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 网络、通信、安全
• 页码范围: 75-78,107
• 页数: 5页
• 分类号: TP393
• 字数: 5604字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1203-0713

摘要

为了提高网络入侵检测的正确率，提出一种改进蚁群优化算法（ACO）和支持向量机（SVM）相融合的网络入侵检测方法（ACO-SVM）。将SVM模型参数作为蚂蚁的位置向量，采用动态随机抽取的方法来确定目标个体引导蚁群进行全局搜索，同时在最优蚂蚁邻域内进行小步长局部搜索，找到SVM最优参数，采用最优参数建立网络入侵检测模型。利用KDDCUP99数据集对ACO-SVM性能进行测试，结果表明，ACO-SVM提高了网络入侵检测正确率，降低了误报率，可以为网络安全提供有效保证。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖国荣	广东金融学院计算机科学与技术系	11	72	3.0	8.0