期刊专题

10.11896/j.issn.1002-137X.2018.02.040

一种基于IPSO-SVM算法的网络入侵检测方法

引用
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%.

网络安全、入侵检测、粒子群优化算法、最优参数、支持向量机

45

TP393.08(计算技术、计算机技术)

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

2018-05-30(万方平台首次上网日期,不代表论文的发表时间)

共6页

231-235,260

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

45

2018,45(2)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn