面向大数据的超启发式SVM的网络安全框架研究

• 作者: 曹军梅
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机配置 大数据 网络安全 超启发式
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 人工智能与信息通信
• 页码范围: 23-29
• 页数: 7页
• 分类号: TP393
• 字数: 4985字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2020.01.003

摘要

大数据环境下,为了提高支持向量机(support vector machines,SVM)在网络安全应用环境下的性能,提出了面向大数据的超启发式SVM网络安全框架.所提超启发式SVM框架由SVM和超启发式框架组成,超启发式框架的作用是生成配置参数,并将其发送到SVM,SVM使用生成的配置来解决给定的问题,然后将成本函数发送到超启发式框架.超启发式框架分为高层策略和低层启发式,高层策略具有搜索性能,可以控制选择低层启发式并生成新的SVM配置;低层启发式算法构成了一组特定于问题的启发式算法,使用不同的规则实现对SVM配置搜索空间的探索.该框架自适应地集成了基于分解和基于Pareto方法的优点,近似SVM配置的Pareto集,解决了启发式框架的优化问题.实验结果表明,所提框架性能优于其他算法,说明框架的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹军梅	延安大学计算机学院	61	108	5.0	7.0