一种基于ALO-SVM算法的入侵检测方法

摘要：

入侵检测一直是网络安全领域的热点研究方向,为了提高网络入侵检测的速度和准确性,提出一种在PCA降维的基础上,基于蚁狮优化算法(The Ant Lion Optimizer,ALO)和支持向量机(Support Vector Machine,SVM)相结合的入侵检测方法.该算法首先利用主成分分析法(Principal Component Analysis,PCA)对数据进行降维处理以去除冗余数据,并利用ALO算法优化SVM的参数,然后根据优化后的SVM建立入侵检测模型,最后利用由PCA处理过的KDDCUP99数据集验证检测模型.实验结果表明,所提方法相较于简单的ALO优化SVM和PSO-SVM算法,在提高正确率的基础上,检测速度有显著提高.

关键词：入侵检测、数据处理、检测模型建立、蚁狮优化算法、支持向量机、分类测试

所属期刊栏目：43

分类号：TN911.23-34;TP309

资助基金：国家自然科学基金;湖北省自然科学基金

在线出版日期：2020-05-28（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：79-82