基于SSA-SVM的网络入侵检测研究

• 作者: 简雄 唐银清 黄斌文 海南医学院现代教育技术中心
• 来源期刊: 计算技术与自动化
• 学科: 工学
• 关键词: 麻雀搜索算法 误报率 支持向量机 网络入侵 检测率
• 年，卷（期）: 2023,（3）
• 所属期刊栏目: 信息安全技术
• 页码范围: 113-117
• 页数: 5页
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202303019

摘要

互联网快速发展使得网络空间越来越复杂，网络入侵导致网络安全问题备受关注。为提升网络入侵的检测效率和精度，构建了基于支持向量机的网络入侵检测模型。支持向量机模型的惩罚系数和核函数参数直接影响入侵模型的检测精度，采用麻雀搜索算法对惩罚系数和核函数参数进行优化，提出了基于麻雀搜索算法和支持向量机的网络入侵检测模型。将提出的网络入侵检测模型应用于实际的网络入侵检测中，并与PSO-SVM和SVM模型进行对比。结果表明，所提出的网络入侵检测模型能够有效降低网络入侵的误报率，这对确保网络安全具有一定的现实意义。