基于CQPSO-LSSVM的网络入侵检测模型

发布时间：2017-12-12 21:11

  本文关键词：基于CQPSO-LSSVM的网络入侵检测模型

  更多相关文章： 协同量子粒子群算法 最小二乘支持向量机 特征选择 网络入侵检测

【摘要】：为了提高网络入侵检测率,提出一种协同量子粒子群算法和最小二乘支持向量机的网络入侵检测模型(CQPSO-LSSVM)。将网络特征子集编码成量子粒子位置,入侵检测正确率作为特征子集优劣的评价标准,采用协同量子粒子群算法找到最优特征子集,采用最小二乘支持向量机建立网络入侵检测模型,并采用KDD CUP 99数据集进行仿真测试。结果表明,CQPSO-LSSVM获得了比其他入侵检测模型更高的检测效率和检测率。
【作者单位】： 淮北职业技术学院建筑工程系;合肥工业大学电气与自动化工程学院;
【基金】：安徽省“十二五”科技攻关计划项目(No.11010402183)
【分类号】：TP393.08
【正文快照】： 随着网络规模越来越庞大,网络安全日益严重,入侵行为和类型呈多样化发展,提高网络入侵检测率具有一定的现实和理论意义[1]。网络入侵检测的特征选择至关重要,如何选择最优的特征子集与网络入侵检测效果直接相关,当前网络特征选择算法分为两类:穷举搜索算法和群智能优化算法等[

【参考文献】

中国期刊全文数据库 前10条

1 郭文忠;陈国龙;陈庆良;余轮;;基于粒子群优化算法和相关性分析的特征子集选择[J];计算机科学;2008年02期

2 高海华;杨辉华;王行愚;;基于BPSO-SVM的网络入侵特征选择和检测[J];计算机工程;2006年08期

3 何绍荣;梁金明;何志勇;;基于互信息和关系积理论的特征选择方法[J];计算机工程;2010年13期

4 马海峰;岳新;孙名松;;基于神经网络的分布式入侵检测研究[J];计算机应用;2006年S2期

5 包潘晴;杨明福;;基于KPCA和SVM的网络入侵检测[J];计算机应用与软件;2006年02期

6 周，

本文编号：1283955