基于支持向量机和遗传算法融合的入侵检测

发布时间：2018-07-11 15:27

  本文选题：异常入侵检测 + 支持向量机　； 参考：《青岛科技大学学报(自然科学版)》2013年05期

【摘要】：为了研究网络异常入侵检测问题,将支持向量机(SVM)和遗传(GA)算法融合并应用于入侵检测领域,区分正常和异常的用户行为,实现对网络系统的入侵检测。传统SVM算法易产生训练参数选择不当,难以获得较高的检测效率和分类精度等问题。针对此问题,提出了一种优化的基于SVM-GA融合的入侵检测方法,首先对网络入侵数据进行归一化处理简化输入,然后通过遗传算法对SVM训练参数进行同步优化,最后采用SVM算法对网络数据进行检测,分类识别得到网络入侵结果。仿真实验结果表明,该融合算法训练时间短、检测精度高、误报率和漏报率低,是一种有效可行的入侵检测方法。
[Abstract]:In order to study the problem of network anomaly intrusion detection, support vector machine (SVM) and genetic algorithm (GA) are combined and applied to the field of intrusion detection. The traditional SVM algorithm is prone to improper selection of training parameters, which makes it difficult to obtain high detection efficiency and classification accuracy. To solve this problem, an optimized intrusion detection method based on SVM-GA fusion is proposed. Firstly, the network intrusion data is normalized to simplify the input, and then the SVM training parameters are synchronized optimized by genetic algorithm. Finally, SVM algorithm is used to detect the network data, and the result of network intrusion is obtained by classification and recognition. Simulation results show that the fusion algorithm is an effective and feasible intrusion detection method with short training time, high detection accuracy, low false alarm rate and low false alarm rate.
【作者单位】： 黄淮学院信息工程学院;
【基金】：河南省科技攻关项目(122102210510)
【分类号】：TP393.08

【参考文献】

相关期刊论文 前8条

1 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

2 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

3 林杨;刘贵全;杨立身;;基于改进SVM方法的入侵检测[J];计算机工程;2007年14期

4 李洋;;K-means聚类算法在入侵检测中的应用[J];计算机工程;2007年14期

5 王树;杜启军;余桂贤;余生晨;李广平;徐亚飞;薛阳;王晓伟;;网络入侵检测系统的最优特征选择方法[J];计算机工程;2010年15期

6 谢志强;;基于遗传算法支持向量机的网络入侵预测[J];计算机仿真;2010年08期

7 吴庆涛,邵志清;入侵检测研究综述[J];计算机应用研究;2005年12期

8 姜春茂;张国印;李志聪;;基于遗传算法优化SVM的嵌入式网络系统异常入侵检测[J];计算机应用与软件;2011年02期

【共引文献】

相关期刊论文 前10条

1 林永菁;;基于RBF和BP神经网络的入侵检测模型比较研究[J];长江大学学报(自然科学版);2011年10期

2 陶敬;马小博;赵娟;郑庆华;;基于资源可用性的主机异常检测[J];电子科技大学学报;2007年S3期

3 王彦涛;张凤斌;;一种改进的K-means算法在入侵检测中的应用[J];电脑知识与技术;2009年34期

4 卢芬;张成新;;路由器中基于支持向量机(SVM)的异常检测方法研究[J];计算机安全;2010年01期

5 任恒妮;;入侵检测系统综述[J];科技创新与应用;2013年04期

6 王成昱;万定生;郭铁铮;;RBF神经网络在定日镜场故障诊断中的应用[J];信息技术;2011年01期

7 俞晓冬;周栾爱;;基于改进SVM模型的电能质量扰动分类[J];电力系统保护与控制;2010年03期

8 张坤;郁ng;李彤;;小波神经网络在黄金价格预测中的应用[J];计算机工程与应用;2010年27期

9 高茜;李广侠;胡婧;;基于非负矩阵分解的IP流量预测[J];计算机科学;2012年01期

10 王鹏英;黄海;黄晓平;;基于加权特征筛选的入侵检测系统[J];计算机科学;2012年01期

相关博士学位论文 前4条

1 车喜龙;基于计算智能的网格资源监测预报系统[D];吉林大学;2009年

2 马洋明;网络安全事件的实时关联技术研究[D];华中科技大学;2007年

3 唐阔;网格计算资源与任务的实时监测预报系统[D];吉林大学;2010年

4 杨双懋;无线网络中的流量预测与MAC算法研究[D];电子科技大学;2012年

相关硕士学位论文 前10条

1 朱广彬;基于数据挖掘的入侵检测技术研究[D];北京交通大学;2011年

2 李玲玲;基于K-means的企业基础信息挖掘模型的设计与应用[D];东北财经大学;2010年

3 李彬;基于否定选择算法的入侵检测系统[D];太原理工大学;2011年

4 孙燕花;基于聚类的网络用户行为分析[D];中南大学;2011年

5 杜建敏;基于Snort的校园网络入侵检测系统的研究与实现[D];电子科技大学;2011年

6 巨小微;多Agent架构下基于本体的入侵报警关联分析技术研究[D];华北电力大学;2011年

7 张娟;基于半监督佳点集和Leader的K-means聚类算法研究[D];安徽大学;2011年

8 王艳;数据挖掘技术在入侵检测系统中的应用研究[D];安徽工业大学;2010年

9 马洪梅;基于流量特征的网络可用性量化评估与控制[D];哈尔滨工业大学;2010年

10 王明生;网络入侵检测系统研究[D];北京化工大学;2011年

【二级参考文献】

相关期刊论文 前10条

1 付强;;一种基于RBF神经网络的转台分系统故障诊断方法[J];传感器与微系统;2007年06期

2 邹柏贤,刘强;基于ARMA模型的网络流量预测[J];计算机研究与发展;2002年12期

3 连一峰,戴英侠,胡艳,许一凡;分布式入侵检测模型研究[J];计算机研究与发展;2003年08期

4 郑小霞;钱锋;;高斯核支持向量机分类和模型参数选择研究[J];计算机工程与应用;2006年01期

5 童舜海;;改进的SVM在入侵检测中的应用[J];计算机工程与应用;2008年34期

6 张昊;陶然;李志勇;杜华;;动态剪枝二叉树多类SVM在入侵检测中的研究[J];计算机工程与应用;2009年02期

7 高艳 ,管晓宏 ,孙国基 ,冯力;基于实时击键序列的主机入侵检测[J];计算机学报;2004年03期

8 李红莲,王春花,袁保宗,朱占辉;针对大规模训练集的支持向量机的学习策略[J];计算机学报;2004年05期

9 冯力 ,管晓宏 ,郭三刚 ,高艳 ,刘培妮;采用规划识别理论预测系统调用序列中的入侵企图[J];计算机学报;2004年08期

10 刘杰;黄亚楼;;基于BP神经网络的非线性网络流量预测[J];计算机应用;2007年07期

相关博士学位论文 前1条

1 冯慧芳;IEEE 802.11无线局域网业务流特性研究及预报[D];天津大学;2006年

【相似文献】

相关期刊论文 前10条

1 赵军;;基于CEGA-SVM的网络入侵检测算法[J];计算机工程;2009年23期

2 刘晓勇;;基于GA与SVM融合的网页分类算法[J];辽宁工程技术大学学报(自然科学版);2010年05期

3 张颖璐;;基于遗传算法优化支持向量机的网络流量预测[J];计算机科学;2008年05期

4 张艳秋;王蔚;;利用遗传算法优化的支持向量机垃圾邮件分类[J];计算机应用;2009年10期

5 张跃军;柴乔林;王少娥;王华;刘云璐;;利用GA与SVM对NIDS进行关键特征提取[J];计算机工程与应用;2006年34期

6 毛灵;陈兴蜀;吴仲光;谭骏;杜敏;;基于优化SVM的P2P协议识别[J];计算机应用研究;2011年07期

7 丁赢;殷肖川;胡傲;;基于蚂蚁算法与支持向量机的入侵检测技术[J];微型机与应用;2010年07期

8 陈顺宝;;云模型理论在垃圾邮件过滤系统中的应用[J];无线互联科技;2010年04期

9 解永娟;王汝传;任勋益;;基于SVM的入侵检测系统中特征权重优选方法综述[J];信息安全与通信保密;2007年08期

10 饶鲜,董春曦,杨绍全;应用支持向量机实现计算机入侵检测[J];西安电子科技大学学报;2003年03期

相关会议论文 前10条

1 张满怀;;两类基于异常的网络入侵检测方法的比较[A];2007中国科协年会——通信与信息发展高层论坛论文集[C];2007年

2 刘晓勇;;基于GA与SVM融合的网页分类算法[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

3 申红婷;;遗传算法在网络入侵检测中的应用[A];中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集（上册）[C];2008年

4 武茂春;李华;王龙;;一种互操作场景中策略路由的建模与测试[A];第三届全国软件测试会议与移动计算、栅格、智能化高级论坛论文集[C];2009年

5 王新生;刘金明;王海龙;梁清梅;;基于遗传算法的时延约束组播路由选择方法[A];2005年全国理论计算机科学学术年会论文集[C];2005年

6 刘李男;杨岳湘;唐川;;一种基于熵优化支持向量机的P2P流量检测方法[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集（下）[C];2008年

7 万中英;王明文;廖海波;左家莉;;维数约简在网页分类中的应用[A];NCIRCS2004第一届全国信息检索与内容安全学术会议论文集[C];2004年

8 张亮;黄曙光;赵文进;;基于遗传算法的网络最优拓扑研究[A];2009年全国开放式分布与并行计算机学术会议论文集(下册)[C];2009年

9 贺涛;曹先彬;;基于SVM的无线De-authentication攻击检测[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

10 周根贵;曹振宇;;逆向物流网络中的选址问题研究[A];中国运筹学会第七届学术交流会论文集（上卷）[C];2004年

相关重要报纸文章 前2条

1 包家庆;IDS五大发展趋势[N];网络世界;2002年

2 李磊;让电子政务更聪明[N];计算机世界;2001年

相关博士学位论文 前10条

1 方娟;基于移动代理的网格资源监控技术的研究[D];北京工业大学;2005年

2 刘玉国;基于内容的互联网舆情信息挖掘关键技术研究[D];山东大学;2011年

3 魏宇欣;网络入侵检测系统关键技术研究[D];北京邮电大学;2008年

4 车喜龙;基于计算智能的网格资源监测预报系统[D];吉林大学;2009年

5 董春曦;支持向量机及其在入侵检测中的应用研究[D];西安电子科技大学;2004年

6 张义荣;基于机器学习的入侵检测技术研究[D];国防科学技术大学;2005年

7 郑洪英;基于进化算法的入侵检测技术研究[D];重庆大学;2007年

8 关健;入侵检测系统数据分析方法及其相关技术的研究[D];哈尔滨工程大学;2004年

9 杨云;基于TCP/IP的QoS路由算法的研究[D];南京理工大学;2003年

10 王婷;基于演化硬件的可重构技术研究[D];解放军信息工程大学;2012年

相关硕士学位论文 前10条

1 李佳;基于粒子群优化支持向量机的异常入侵检测研究[D];中南林业科技大学;2009年

2 黄罗光;基于遗传算法的网络入侵检测技术研究[D];浙江工业大学;2012年

3 张宝华;支持向量机在入侵检测系统中的研究和应用[D];天津理工大学;2010年

4 贺清;基于改进的遗传算法的QoS组播路由算法[D];大连交通大学;2010年

5 于健峰;基于支持向量机增量学习的异常入侵检测算法研究[D];吉林大学;2012年

6 华文立;决策树的一种优化方法及其在入侵检测中的应用[D];合肥工业大学;2006年

7 徐华;基于支持向量机的Web文本挖掘研究[D];哈尔滨工程大学;2004年

8 陈伟统;基于粗糙集理论的网络入侵检测方法[D];浙江大学;2006年

9 叶春;局域支持向量机的改进及其在网络流量预测中的应用[D];西华大学;2010年

10 刘芹;遗传算法在复制组播服务器选择中的应用研究[D];华中师范大学;2004年

，

本文编号：2115674