基于机器学习的网络入侵检测方法研究

• 作者: 魏嘉昕
• 来源期刊: 通信电源技术
• 关键词: 网络安全 支持向量机 机器学习 遗传算法 入侵检测
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 通信技术|Telecom Technology
• 页码范围: 82-85
• 页数: 4页
• 语种: 中文
• DOI: 10.19399/j.cnki.tpt.2021.07.025

摘要

网络应用的出现和普及给人们的生活和工作带来了很大的便利,但网络安全问题也随之而来.网络入侵的频率越来越高,已严重危害了人们日常网络的使用安全.目前,许多基于支持向量机(Support Vector Machine,SVM)的入侵检测算法被广泛用于快速准确地识别入侵,但其性能在训练时间和分类精度方面表现不够优良.为了提高网络入侵的检测性能以保证网络安全,提出一种基于机器学习的网络入侵检测方法,结合遗传算法(Genetic Algorithm,GA)和SVM对网络进行入侵检测.实验结果表明,该算法与其他基于SVM的入侵检测算法相比具有更好的性能,其准确率、检测率、误报率以及训练速度均有所提高,且鲁棒性更强.