粒子群特征优选的SVDD 入侵检测研究

• 作者: 刘飞 魏振伟
• 来源期刊: 微电子学与计算机
• 关键词: 入侵检测 支持向量数据描述 粒子群算法
• 年，卷（期）: 2016,（8）
• 页码范围: 144-148
• 页数: 5页
• 分类号: TP31
• 语种: 中文

摘要

针对入侵检测中样本集维数较高问题，提出一种基于粒子群算法（PSO）优化的支持向量数据描述（SVDD）方法，将其应用于网络异常入侵检测。该方法采用粒子群算法消除支持向量数据描述中的冗余参数并对数据降维，并建立SVDD超球体模型，对网络入侵数据进行检测并输出入侵检测结果。在KDD CUP’99的标准检测数据集上进行仿真实验，结果表明该方法和传统的SVDD相比不仅能够有效提高检测率，而且计算量较小。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘飞	空军工程大学防空反导学院	16	28	4.0	5.0
2	魏振伟	郑州航空工业管理学院航空工程系	5	14	2.0	3.0