基于FOA优化LS-SVM的网络入侵检测

• 作者: 丁汨 于琳
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 网络入侵 支持向量机 果蝇优化算法 检测率
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 综述与评论
• 页码范围: 173-176
• 页数: 4页
• 分类号: TP391.1
• 字数: 2242字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2017.02.041

摘要

针对LS-SVM的网络入侵检测技术存在检测率低和误判率高的缺点,结合果蝇优化算法的快速寻优和全局最优的优点,提出一种FOA优化LS-SVM的网络入侵检测方法.通过FOA优化LS-SVM的惩罚因子C和核函数参数g,实现网络入侵类型的检测.以KDD99 CUP数据集为研究对象,实验结果表明,FOA-LSSVM算法在分类性能和分类准确率上都优于单纯的LS-SVM和BP,FOA-LSSVM算法的网络入侵检测率平均高达96.33％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于琳		13	19	2.0	3.0
2	丁汨		10	13	2.0	3.0