改进粒子群算法优化支持向量机的入侵检测方法

摘要：

针对传统支持向量机(support vector machine,SVM)算法应用于入侵检测中存在参数选取的问题,文章提出了一种改进粒子群算法(improved particle swarm optimization,IPSO)和SVM相融合的网络入侵检测方法,即IPSO-SVM.将SVM的惩罚参数C和核函数参数σ作为粒子群的粒子,以K倍交叉验证的准确率作为目标函数,通过粒子间的相互协作得到最优的SVM参数,利用KDD Cup 99数据集进行仿真测试.仿真结果表明,与其他算法相比,IPSO-SVM算法的检测时间更短,检测准确率更高,是一种有效的入侵检测算法.

关键词：粒子群算法、支持向量机(SVM)、入侵检测、主成分分析(PCA)

所属期刊栏目：42

分类号：TP393.081(计算技术、计算机技术)

资助基金：广东省教育厅青年创新人才类资助项目自然科学2017GkQNCX116 ,2017GkQNCX119;东莞职业技术学院示范建设专项资金资助项目政201819;广东省大学生"攀登计划"专项资金资助项目pdjh2019b0900

在线出版日期：2019-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1341-1345