一种基于改进支持向量机的入侵检测方法研究

摘要：

提出基于粒子群优化(Particle Swarm Optimization,PSO)算法和支持向量机(Support Vector Machines,SVM)的入侵检测方法,为优化SVM性能,使用PSO的全局搜索特性寻找SVM的最优参数C和σ；为避免PSO算法陷入局部最优,引入变异操作,找到最优参数组合后进行基于PSO SVM入侵检测算法的训练和检测,解决了入侵检测系统准确度难题.仿真实验表明该方法的检测率为92.8％,误报率为6.911 9％,漏报率为9.708 7％,对KDDCUP竞赛的最佳结果有一定程度的提高,实验结果验证了该算法的有效性和可行性.

关键词：入侵检测、支持向量机、粒子群算法、网络安全

所属期刊栏目：48

分类号：TP393(计算技术、计算机技术)

资助基金：浙江省自然科学基金Y3100363,Y3100367,Y3090558;浙江省教育厅项目Y200908868;浙江农林大学预研项目2009fk59

在线出版日期：2012-07-17（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：74-77