改进WOA算法优化SVM的网络入侵检测

摘要：

基于支持向量机(SVM)的网络入侵,因SVM参数设置不当导致分类准确率偏低的问题,提出改进二进制鲸鱼算法优化支持向量机(IBWOA-SVM)的网络入侵检测.通过对鲸鱼优化算法中收敛因子的改进和更新机制融入粒子群策略的方式,改善其容易陷入局部最优且收敛精度慢的缺点.对初始化参数群采用改进二进制鲸鱼优化算法的更新机制不断地进行更新迭代,迫使鲸鱼搜索代理获取较优的参数值来建立性能较优的分类模型,进而提高网络入侵检测的分类性能.采用多个UCI数据集并与其他的参数优化方法进行对比,最后使用网络入侵检测KDDCUP 99数据集进行验证.结果 表明,与遗传算法、粒子群算法和鲸鱼优化算法在SVM参数优化上的性能相比,IBWOA-SVM方法的分类准确率和适应度值在各数据集上都有所提高,从而有利于改善网络入侵检测参数优化中的分类性能.

关键词：网络入侵检测、支持向量机、参数优化、鲸鱼优化算法

所属期刊栏目：38

分类号：TP393;G642(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61602162,61440024;教育部产学合作协同育人项目201702065074,201801193001;湖北省高等学校省级教学研究项目2017307;湖北工业大学校级教学研究项目2018016,2015017,2013018;湖北工业大学博士科研启动基金计划项目BSQD12029

在线出版日期：2019-10-12（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：128-133