鲶鱼粒子群算法选择特征的支持向量机网络入侵检测

• 作者: 戴臻
• 来源期刊: 信息与电脑
• 学科: 工学
• 关键词: 网络入侵 支持向量机 鲶鱼效应 粒子群优化算法
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 算法语言
• 页码范围: 56-59
• 页数: 4页
• 分类号: TP18|TP393.08
• 语种: 中文

摘要

笔者针对网络特征选择问题,提出一种鲶鱼粒子群算法选择特征的支持向量机网络入侵检测(EPSO-SVM).首先将“鲶鱼效应”因子引入粒子群优化算法,将网络特征子集编码成粒子位置串,其次将入侵检测率作为特征子集选择目标函数,通过鲶鱼粒子群找到最优特征子集,最后支持向量机根据最优特征子集构建网络入侵分类器,在KDD Cup 99数据集上进行仿真测试.结果 表明,EPSO-SVM不仅能提高网络入侵检测率和检测速度,而且适用于现实高速网络应用环境.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴臻		7	37	3.0	6.0