融合FAST特征选择与ABQGSA-SVM的网络入侵检测

• 作者: 朱长水 李丛 闫仁武 高广银
• 来源期刊: 计算机应用研究
• 关键词: FAST特征选择 自适应二进制量子引力搜索算法 支持向量机 组合优化 入侵检测
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 信息安全技术
• 页码范围: 2172-2179
• 页数: 8页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.07.056

摘要

为进一步提升网络入侵检测效果,提出一种融合FAST特征选择与自适应二进制量子引力搜索支持向量机的(FAST-ABQGSA-SVM)网络入侵检测算法.利用FAST算法过滤掉原始特征集中冗余无关的特征形成候选特征子集,基于组合优化策略采用自适应二进制量子引力搜索算法对候选特征子集与SVM分类器参数进行组合优化.在ABQGSA反复学习寻优过程中,采取动态自适应波动式调整策略更新量子旋转角以平衡算法全局搜索能力和局部搜索能力;同时为提升算法的自适应变异能力,设计与进化程度及个体适应度值相关的自适应变异概率,当种群进化出现停滞时及时引入量子位离散交叉操作帮助种群摆脱局部极值.通过KDD CUP 99仿真实验表明,所提出的FAST-ABQGSA-SVM算法较其他同类型检测算法具有更好的鲁棒性、学习精度以及检测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫仁武	江苏科技大学计算机科学与工程学院	22	111	6.0	9.0
2	李丛	南京理工大学泰州科技学院移动互联网学院	17	82	5.0	8.0
3	朱长水	南京理工大学泰州科技学院移动互联网学院	21	71	4.0	7.0
4	高广银	南京理工大学泰州科技学院移动互联网学院	13	53	4.0	7.0