粒子群算法和K近邻相融合的网络入侵检测

摘要：

为了提高网络入侵检测效果，提出一种粒子群优化算法（PSO）和K最近邻相融（KNN）的网络入侵检测模型（PSO-KNN）。首先特征子集和KNN参数作为一个粒子，然后通过粒子之间的信息交流和相互协作，找到最优特征子集和KNN参数，从而建立最优网络入侵检测模型，最后利用KDD 1999数据集对模型性能进行测试。结果表明，相对于其他入侵检测算法，PSO-KNN更有效地精简网络数据特征，提高分类算法的网络入侵检测速度及检测率。

关键词：网络入侵检测、特征选择、粒子群优化算法、K最近邻

分类号：TP391(计算技术、计算机技术)

资助基金：湛江师范学院青年项目No.QL1103。

在线出版日期：2014-06-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：95-98