反向学习粒子群算法和多层分类器相融合的网络入侵检测

• 作者: 张墨华 张永强
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 最小二乘支持向量机 反向学习 粒子群优化算法 网络入侵 多层分类器
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 安全技术
• 页码范围: 305-308
• 页数: 4页
• 分类号: TP391
• 字数: 4127字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2015.04.071

摘要

为了提高网络入侵检测率，提出一种反向学习粒子群算法和多层次分类器相融合的网络入侵检测模型。首先将反向学习粒子群算法优化最小二乘支持向量机，以提高分类性能；然后利用由粗到精策略构造多层的网络入侵分类器降低计算时间杂度复；最后采用KDD 99数据集进行仿真测试。仿真结果表明，相对于其他检测模型，该模型不仅提高了网络入侵检测率，降低了入侵检测误报率，同时加快了入侵检测速度，为网络安全提供了有效保证。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张永强	河南财经政法大学计算机与信息工程学院	28	85	6.0	8.0
2	张墨华	河南财经政法大学计算机与信息工程学院	20	37	4.0	5.0