基于蚁群算法和改进SSO的混合网络入侵检测方法

摘要：

针对一般网络入侵检测方法在不断增加复杂攻击和恶意软件的网络环境下,难以有效保护网络的问题,提出了一种混合入侵检测方法.对网络数据进行预处理,采用蚁群算法(ant colony algorithm,ACO)进行特征选择,数据挖掘,在此过程,为了改善简化群优化(simplified swarm optimization,SSO)分类器性能,提出在SSO中加入一种加权局部搜索策略,即改进的简化群优化(improved simplified optimization optimization,ISSO),这种新局部搜索策略的目的是从由SSO产生当前解的邻域内找到更好的解,从而获得入侵报告.在KDDCup 99数据集上进行了混合检测方法的相关实验.实验结果表明,在粒子数为30,最大代为30时,ISSO就已经达到最好的分类结果93.5％,相比于其他智能算法具有更少的粒子数和更小的最大代.此外,还模拟了3种类型的网络攻击DOS,PROB和U2R,结果表明,大多数情况下该方法的准确率都高于其他检测方法.

关键词：网络入侵、蚁群算法、简化群优化、局部加权、分类器

所属期刊栏目：28

分类号：TP393.08(计算技术、计算机技术)

资助基金：河南省教育厅重点科研项目15A520091 The Key Scientific Research Project from Education Department of Henan Province 15A520091

在线出版日期：2016-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：406-413