基于SVM和DS证据理论的网络攻击检测研究

发布时间：2018-03-21 16:34

本文选题：网络攻击检测　切入点：SVM　出处：《科技通报》2017年06期 　论文类型：期刊论文

【摘要】：为了解决传统网络攻击检测算法存在的检测准确率低等问题,提出了一种基于SVM和DS证据理论的网络攻击检测算法。该算法首先利用样本主特征进行检测,当数据出现模糊分类时,利用辅助特征和DS证据理论对数据的隶属度进行重新划分,有效改善了经典SVM算法的模糊分类问题。仿真结果表明,带有修正机制的SVM算法对于网络攻击检测,尤其是攻击类型未知的数据,检测准确率明显提高,平均到了95%以上,算法的整体性能表现优良。
[Abstract]:In order to solve the problem of low detection accuracy in traditional network attack detection algorithm, a network attack detection algorithm based on SVM and DS evidence theory is proposed. When the fuzzy classification occurs, the membership degree of the data is reclassified by auxiliary feature and DS evidence theory, which effectively improves the fuzzy classification problem of the classical SVM algorithm. The simulation results show that, The detection accuracy of the SVM algorithm with modified mechanism for network attack detection, especially for the data with unknown attack type, is obviously improved, with an average of more than 95%. The overall performance of the algorithm is excellent.
【作者单位】：牡丹江师范学院物理与电子工程学院;牡丹江师范学院工学院;
【基金】：黑龙江省自然科学基金(QC2013C067) 牡丹江师范学院省级重点创新预研项目(SY201218)
【分类号】：TP393.08

【参考文献】

相关期刊论文前10条

1 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

2 夏秦;王志文;卢柯;;入侵检测系统利用信息熵检测网络攻击的方法[J];西安交通大学学报;2013年02期

3 王宏;刘渊;;融合SVM与BMPM的网络异常检测方法[J];计算机工程与设计;2011年05期

4 鞠秋文;;PSO-SVM算法在网络入侵检测中的研究[J];计算机仿真;2011年04期

5 颜谦和;颜珍平;;遗传算法优化的神经网络入侵检测系统[J];计算机仿真;2011年04期

6 陈牮华;;网络入侵检测系统中的模式匹配算法优化研究[J];计算机仿真;2011年02期

7 丁世飞;齐丙娟;谭红艳;;支持向量机理论与算法研究综述[J];电子科技大学学报;2011年01期

8 杨晓峰;孙明明;胡雪蕾;杨静宇;;基于改进隐马尔可夫模型的网络攻击检测方法[J];通信学报;2010年03期

9 张红梅;;基于随机子空间PCA-SVM集成的实时入侵检测系统[J];仪器仪表学报;2009年12期

10 钱权;耿焕同;王煦法;;基于SVM的入侵检测系统[J];计算机工程;2006年09期

【共引文献】

相关期刊论文前10条

1 孙映宏;章国稳;姬战生;;基于支持向量机的钱塘江潮时预报方法[J];水力发电;2017年07期

2 卢康;贺西平;安笑笑;贺升平;尼涛;;基于TSVM的多特征融合超声金属防伪识别[J];云南大学学报(自然科学版);2017年04期

3 高军峰;司慧芳;于晓琳;顾凌云;;多导脑电复杂度特征的谎言测试研究[J];电子科技大学学报;2017年04期

4 白龙;孙强;;基于SVM和DS证据理论的网络攻击检测研究[J];科技通报;2017年06期

5 袁颖;李绍康;周爱红;;基于PCA-GA-SVM的火成岩分类方法研究[J];数学的实践与认识;2017年12期

6 谭印;;舰船用通信网络的入侵检测技术研究[J];舰船科学技术;2017年12期

7 施龙青;刘天浩;于小鸽;冯涛;马金伟;;封堵矿井突水点注浆量预测研究[J];中国煤炭;2017年06期

8 王晨光;崔崇立;杨伟铁;;基于灰色关联支持向量机的航材消耗预测[J];舰船电子工程;2017年06期

9 白丽扬;赵金海;刘占新;张志学;;基于数据挖掘算法的底板破坏深度预测[J];煤炭工程;2017年06期

10 王莉;杨永辉;詹益;王晓煜;王芮琳;;基于最小二乘支持向量机阀控式铅酸蓄电池寿命预测[J];大连交通大学学报;2017年03期

【二级参考文献】

相关期刊论文前10条

1 向昌盛;袁哲明;周子英;;混沌时间序列预测模型参数的联合优化[J];信息与控制;2011年05期

2 牟琦;龚尚福;毕孝儒;厍向阳;;基于快速属性约简的网络入侵特征选择[J];计算机工程;2011年17期

3 刘晓亮;丁世飞;朱红;张力文;;SVM用于文本分类的适用性[J];计算机工程与科学;2010年06期

4 李冬萍;;基于混沌粒子群优化的SVM分类器研究[J];计算机仿真;2010年04期

5 施其权;李小明;肖辞源;;一类新型快速模糊支持向量机[J];计算机技术与发展;2010年02期

6 孙名松;高庆国;王宣丹;;基于双隶属度模糊支持向量机的邮件过滤[J];计算机工程与应用;2010年02期

7 王文剑;郭虎升;;粒度支持向量机学习模型[J];山西大学学报(自然科学版);2009年04期

8 程伟;张燕平;赵姝;;商空间理论框架下的SVM产量预测模型研究[J];中国农业大学学报;2009年05期

9 张文浩;王文剑;;一种基于关联规则的核粒度支持向量机[J];广西师范大学学报(自然科学版);2009年03期

10 李苗苗;向凤红;刘新旺;;一种新颖隶属度函数的模糊支持向量机[J];计算机工程与科学;2009年09期

【相似文献】

相关期刊论文前10条

1 张帆;网络攻击过程分析与防范[J];黄石高等专科学校学报;2004年06期

2 李冬;宋里宏;王璐;雷志东;;战场网络攻击效能分析[J];网络安全技术与应用;2007年03期

3 毛承品;范冰冰;;基于网络攻击平台的攻击分类方法研究[J];计算机系统应用;2008年04期

4 张轶;常志明;;基于移动Agent的网络攻击系统的研究与实现[J];科技信息;2009年06期

5 王玉荣;;构筑防火墙防范网络攻击[J];中国现代教育装备;2009年12期

6 许雅娟;;网络攻击分类研究[J];硅谷;2011年06期

7 赵智勇;;网络攻击过程剖析[J];计算机与现代化;2012年08期

8 耿琳莹;张要鹏;鲁智勇;闫州杰;;不可直接测量的网络攻击效能评估技术研究[J];现代电子技术;2013年10期

9 ;网络犯罪正导致成本攀升[J];微电脑世界;2013年11期

10 耿琳莹;陈登伟;郑全普;;一种基于不可直接测量的网络攻击效能评估技术研究[J];科协论坛(下半月);2013年09期