基于改进蚁群算法与遗传算法组合的网络入侵检测

摘要：

为提高网络入侵检测的检测效果,提出一种基于改进蚁群算法与遗传算法组合的网络入侵检测方法.该方法采用遗传算法(genetic algorithm,GA)对网络入侵的特征集进行快速选取,为后续特征提取打下基础;对传统蚁群算法(ant colony optimization,ACO)的节点选择策略和信息素更新策略进行改进,提出一种改进的蚁群算法,提高对最优特征的选择效果,采用改进的蚁群算法对特征进一步选择;采用支持向量机(support vector machine,SVM)统计机器学习方法建立各类网络入侵的检测分类器.仿真实验结果表明,新的网络入侵检测方法综合GA和改进蚁群算法的优势,能够获得更好的入侵特征,从检测正确率、误报率和漏报率3个方面综合比较,新的网络入侵检测方法具有更好的网络入侵检测效果,且提高了检测速率.

关键词：网络入侵、遗传算法、蚁群优化算法、支持向量机

所属期刊栏目：29

分类号：TP393.03(计算技术、计算机技术)

资助基金：国家自然科学基金61273271;西京学院科研基金XJ150122The National Natural Science Foundation of China61273271;The Scientific Research Project of Xijing University of ChinaXJ150122

在线出版日期：2017-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：84-89