一种基于IPSO-SVM算法的网络入侵检测方法

摘要：

网络入侵检测一直是计算机网络安全领域的研究热点,当前网络面临着诸多的安全隐患.为了提高网络入侵检测的准确性,首先对粒子群优化(Particle Swarm Optimization,PSO)算法进行了改进,然后利用改进的PSO算法(IPSO算法)对支持向量机(Support Vector Machine,SVM)的参数进行了优化,并在此基础上设计了一种新型的基于IPSO-SVM算法的网络入侵检测方法.实验结果表明,相比于经典的SVM和PSO-SVM算法,IPSO-SVM算法不仅明显改善了网络训练的收敛速度,而且其网络入侵检测的正确率分别提高了7.78％和4.74％,误报率分别降低了3.37％和1.19％,漏报率分别降低了1.46％和0.66％.

关键词：网络安全、入侵检测、粒子群优化算法、最优参数、支持向量机

所属期刊栏目：45

分类号：TP393.08(计算技术、计算机技术)

资助基金：国家自然科学基金项目61762071,61163025;内蒙古自治区自然科学基金项目2010BS0904,2016MS0614;内蒙古自治区高等学校科学研究基金项目NJ10162,NJZY17287,NJZY201;包头市科学研究基金项目2014S2004-3-1-26

在线出版日期：2018-05-30（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：231-235,260