基于IQPSO算法的网络入侵检测研究

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与检测效率,首先选择支持向量机(SVM)作为机器学习分类模型,其次用改进的量子粒子群算法(IQPSO)对支持向量机的参数进行优化.以此为基础,设计了一种基于IQPSO-SVM算法的网络入侵检测方法.实验结果表明,IQPSO-SVM算法相对于深度神经网络(DNN)算法和SVM算法,不仅在效率上有了明显的改善,而且在网络入侵检测的正确率上分别提高了4.26%和7.12%,在误报率上分别降低了0.93%和3.31%,在漏报率上分别降低了0.52%和1.26%.

关键词：网络安全、入侵检测、量子粒子群算法、支持向量机

所属期刊栏目：37

分类号：TP393.08(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61762071,61163025;内蒙古自治区自然科学基金资助项目216MS0614;内蒙古自治区高等学校科学研究基金资助项目NJZY17287,NJZY201

在线出版日期：2018-07-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：96-102