基于萤火虫群优化支持向量机的网络入侵检测方法

发布时间：2017-11-08 02:27

  本文关键词：基于萤火虫群优化支持向量机的网络入侵检测方法

  更多相关文章： 入侵检测 支持向量机 萤火虫群 分类面修正

【摘要】：为了解决支持向量机(SVM)方法应用于网络入侵检测中存在的参数设置和由样本不均带来的分类面偏斜问题,文章提出了一种基于萤火虫群优化支持向量机(GSO-SVM)的解决方案;算法在进行参数寻优的同时增加了修正因子,实现对分类面的修正,并采用萤火虫群算法进行求解,提高算法跳出局部最优的能力;在DARPA数据集上的检测精度达到97.33%,优于SVM和SVDD方法;实验结果表明文章提出的方法能够有效提高入侵检测模型的泛化性,降低误报率和漏报率。
【作者单位】： 长沙民政职业技术学院;
【基金】：湖南省科技厅科学研究项目(2012GK3063) 湖南省教育厅科研项目(12C0939、13C1050)
【分类号】：TP393.08
【正文快照】： 0引言随着神经网络、支持向量机(SVM)等技术在网络入侵检测中的成功应用,以学习智能为核心的检测方法成为当前业界的研究热点[1-2]。本文基于SVM对入侵检测进行研究,SVM应用于入侵检测主要存在两个问题,一个是参数设置问题,参数设置直接影响着检测模型的好坏,另一个是由于正常

【参考文献】

中国期刊全文数据库 前7条

1 周皓;李少洪;;SVM最优分类面相对位置的修正[J];北京航空航天大学学报;2009年11期

2 刘万里;刘三阳;王金艳;;不平衡支持向量机的调整方法[J];计算机科学;2009年03期

3 倪志伟;肖宏旺;伍章俊;薛永坚;;基于改进离散型萤火虫群优化算法和分形维数的属性选择方法[J];模式识别与人工智能;2013年12期

4 向昌盛;张林峰;;PSO-SVM在网络入侵检测中的应用[J];计算机工程与设计;2013年04期

5 张飞;张得生;;基于支持向量机和遗传算法融合的入侵检测[J];青岛科技大学学报(自然科学版);2013年05期

6 范昕炜,杜树新,吴铁军;可补偿类别差异的加权支持向量机算法[J];中国图象图形学报;2003年09期

7 陈健;陈雪刚;张家录;程杰仁;;杜鹃鸟搜索算法优化最小二乘支持向量机的网络入侵检测模型[J];微电子学与计算机;2013年10期

【共引文献】

中国期刊全文数据库 前10条

1 汪廷华;田盛丰;黄厚宽;廖年冬;;样本属性重要度的支持向量机方法[J];北京交通大学学报;2007年05期

2 刘芸;唐发根;林广艳;;一种改进的近似支持向量机算法[J];北京航空航天大学学报;2007年09期

3 张爱华;;基于特征双重加权支持向量机的放大器性能综合评价研究[J];电路与系统学报;2012年03期

4 戴元红;陈鸿昶;胡海龙;;一种基于属性加权的代价敏感支持向量机算法[J];电子技术应用;2009年06期

5 吴洪兴;彭宇;彭喜元;;适用于不平衡样本数据处理的支持向量机方法[J];电子学报;2006年S1期

6 汪廷华;田盛丰;黄厚宽;;特征加权支持向量机[J];电子与信息学报;2009年03期

7 蒋觉义;何玉珠;李建宏;;基于误差最小的SVM最优分类面修正[J];北京航空航天大学学报;2012年11期

8 黄永毅;;一种不平衡数据支持向量机分类算法[J];硅谷;2013年12期

9 王红蔚;孔波;;基于相对距离的加权支持向量机[J];河南大学学报(自然科学版);2011年02期

10 王红蔚;孔波;;一种改进的加权支持向量机[J];河南师范大学学报(自然科学版);2011年03期

中国重要会议论文全文数据库 前1条

1 ;Research on Amplifier Performance Evaluation Based on Feature Double Weighted Support Vector Machine[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中国博士学位论文全文数据库 前10条

1 王科平;自动图像标注的关键技术研究[D];北京邮电大学;2011年

2 孙娜;通信电台细微特征研究[D];北京邮电大学;2010年

3 范昕炜;支持向量机算法的研究及其应用[D];浙江大学;2003年

4 廖东平;支持向量机方法及其在机载毫米波雷达目标识别中的应用研究[D];国防科学技术大学;2006年

5 孔繁涛;畜产品质量安全预警研究[D];中国农业科学院;2008年

6 汪廷华;支持向量机模型选择研究[D];北京交通大学;2010年

7 齐滨;高光谱图像分类及端元提取方法研究[D];哈尔滨工程大学;2012年

8 秦传东;模糊与双重正则化支持向量机的研究及应用[D];西安电子科技大学;2012年

9 张见;基于视觉组织原则和支持向量机的发作间期癫痫波自动检测方法研究[D];华东理工大学;2013年

10 王超;三类不确定支持向量机及其应用[D];河北大学;2013年

中国硕士学位论文全文数据库 前10条

1 兰铂;FSK和PSK信号特征研究[D];北京邮电大学;2011年

2 赵静;天然地震与人工爆破波形特征提取与识别算法研究[D];广西师范大学;2011年

3 汪光庆;基于SVM的网页分类技术研究[D];中国石油大学;2011年

4 吴疆;基于支持向量机的红外谱图识别[D];四川大学;2005年

5 汪晓玲;基于SVM的银行客户个人信用评估研究[D];西北工业大学;2007年

6 薛晓炎;脑电信号分类研究的方法[D];南京理工大学;2008年

7 彭育兴;基于支持向量机的空中目标识别技术研究[D];国防科学技术大学;2009年

8 米晓亚;基于自组织数据分析算法的加权支持向量机[D];河北大学;2010年

9 陈凯;单尺度词袋模型图像分类方法研究[D];西南大学;2012年

10 黄勇辉;协同图像检索与标注[D];重庆大学;2012年

【二级参考文献】

中国期刊全文数据库 前10条

1 杨武,方滨兴,云晓春,张宏莉,胡铭曾;一种高性能分布式入侵检测系统的研究与实现[J];北京邮电大学学报;2004年04期

2 鲍玉斌,王琢,孙焕良,于戈;一种基于分形维的快速属性选择算法[J];东北大学学报;2003年06期

3 周永权;黄正新;刘洪霞;;求解TSP问题的离散型萤火虫群优化算法[J];电子学报;2012年06期

4 文传军;詹永照;;基于自调节分类面SVM的平衡不平衡数据分类[J];系统工程;2009年03期

5 金波,林家骏,王行愚;入侵检测技术评述[J];华东理工大学学报;2000年02期

6 王俊松;高志伟;;基于RBF神经网络的网络流量建模及预测[J];计算机工程与应用;2008年13期

7 阚媛;刘以安;薛潇;魏敏;;结合SVM的交互式遗传算法在入侵检测中的应用[J];计算机工程与应用;2010年29期

8 黄正新;周永权;;变步长自适应萤火虫群多模态函数优化算法[J];计算机工程与应用;2012年08期

9 黄正新;周永权;;自适应步长萤火虫群多模态函数优化算法[J];计算机科学;2011年07期

10 马传香,李庆华,王卉;入侵检测研究综述[J];计算机工程;2005年03期

【相似文献】

中国期刊全文数据库 前10条

1 刘奇有,程思远;浅谈网络入侵检测技术[J];电信工程技术与标准化;2003年08期

2 袁晖;;网络入侵检测的技术难点研究[J];网络安全技术与应用;2006年06期

3 王宏伟;;关联规则挖掘技术在网络入侵检测中的应用[J];黄石理工学院学报;2006年03期

4 王丁;李向宏;运海红;;对网络入侵检测的评估模型[J];应用能源技术;2006年05期

5 周荃;王崇骏;王s，

本文编号：1155210