基于BPSO-SVM的网络入侵特征选择和检测

摘要：

采用改进的二进制粒子群优化进行入侵特征子集选择,粒子群中每个粒子代表一个选择的特征子集,结合支持向量机使用该特征子集所对应的数据集进行分类,正确分类结果作为该粒子的适应度,通过粒子群优化实现最优入侵特征选择.改进的BPSO方法中通过引入粒子群依概率整体变异来避免陷入局部最优,同时采用粒子禁忌搜索列表来扩大粒子搜索范围和避免重复计算;SVM中采用基于粒度的网格搜索来获得最优核参数.最后用KDD 99标准数据集进行实验研究,结果表明该方法能获得满意的检测效果.

关键词：二进制粒子群优化、支持向量机、异常检测、特征选择

所属期刊栏目：32

分类号：TP393(计算技术、计算机技术)

资助基金：中国科学院资助项目69974014;科技部科研项目2002CB312200;广东省博士启动基金20040251010

在线出版日期：2006-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：37-39