粒子群算法和K近邻相融合的网络入侵检测

• 作者: 姜凤茹 徐鹏
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 网络入侵检测 特征选择 粒子群优化算法 K最近邻
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 网络、通信、安全
• 页码范围: 95-98
• 页数: 4页
• 分类号: TP391
• 字数: 3946字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1206-0445

摘要

为了提高网络入侵检测效果，提出一种粒子群优化算法（PSO）和K最近邻相融（KNN）的网络入侵检测模型（PSO-KNN）。首先特征子集和KNN参数作为一个粒子，然后通过粒子之间的信息交流和相互协作，找到最优特征子集和KNN参数，从而建立最优网络入侵检测模型，最后利用KDD 1999数据集对模型性能进行测试。结果表明，相对于其他入侵检测算法，PSO-KNN更有效地精简网络数据特征，提高分类算法的网络入侵检测速度及检测率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜凤茹	河南商业高等专科学校应用电子系	9	29	3.0	5.0
2	徐鹏	湛江师范学院数学与计算科学学院	12	50	5.0	7.0