基于改进粒子群优化SVM的多分类入侵检测研究

• 作者: 杨智慧 王华忠 陈冬青 颜秉勇
• 来源期刊: 广西大学学报（自然科学版）
• 学科: 工学
• 关键词: 入侵检测 粒子群 支持向量机 多分类
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 电气工程
• 页码范围: 779-785
• 页数: 7页
• 分类号: TP309
• 字数: 4397字
• 语种: 中文
• DOI: 10.13624/j.cnki.issn.1001-7445.2016.0779

摘要

针对工控网络数据的高维特性以及攻击方式多样性而导致传统入侵检测算法检测准确率低等问题，采用改进粒子群( PSO)算法优化支持向量机的参数，提出改进的PSO-SVM多分类入侵检测方法。该方法将SVM参数作为改进PSO的粒子，将SVM分类准确率作为PSO的目标函数进行全局搜索以确定SVM的最优参数，建立基于改进PSO-SVM的“一对一”多分类工控入侵检测模型。最后采用密西西比州立大学关键基础设施保护中心提出的工控标准数据集进行仿真实验，结果表明，该算法针对不同的攻击方式的平均检测准确率均能达到90%以上，能够准确识别攻击类型，可为工控系统入侵检测提供有效方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王华忠	华东理工大学化工过程先进控制和优化技术教育部重点实验室	50	886	15.0	29.0
2	陈冬青		6	93	5.0	6.0
3	杨智慧	华东理工大学化工过程先进控制和优化技术教育部重点实验室	2	32	2.0	2.0
4	颜秉勇	华东理工大学化工过程先进控制和优化技术教育部重点实验室	18	64	4.0	7.0