蝙蝠算法优化最二乘支持向量机的网络入侵检测

发布时间：2018-10-10 19:41

【摘要】：针对最小二支持向量机(LSSVM)参数选择难题,提出一种蝙蝠(BA)算法优化的LSSVM网络入侵检测模型(BA-LSSVM)。首先将LSSVM参数编码为蝙蝠个体,并以网络入侵检测正确率作为参数目标优化函数,然后通过模拟蝙蝠飞行过程找到LSSVM最优参数,最后根据最优参数建立网络入侵检测模型。在Matlab2012平台采用KDD CUP 99数据集进行仿真测试。仿真结果表明,相对于其它网络入侵检测模型,BA-LSSVM提高了网络入侵检测检测率,加快了网络入侵检测速度。
[Abstract]:Aiming at the problem of (LSSVM) parameter selection of least squares support vector machines, a bat (BA) algorithm optimized LSSVM network intrusion detection model (BA-LSSVM) is proposed. Firstly, the LSSVM parameters are coded as bat individuals, and the correct rate of network intrusion detection is taken as the optimization function of the parameters. Then the optimal parameters of LSSVM are found by simulating the bat flight process. Finally, the network intrusion detection model is established according to the optimal parameters. KDD CUP 99 data set is used for simulation test on Matlab2012 platform. The simulation results show that compared with other network intrusion detection models, BA-LSSVM improves the detection rate of network intrusion and speeds up the speed of network intrusion detection.
【作者单位】： 四川工程职业技术学院计算机科学系;
【分类号】：TP393.08;TP18

【参考文献】

相关期刊论文 前8条

1 刘玉玲;杜瑞忠;;基于模糊积分的多神经网络融合在入侵检测中的应用[J];河北大学学报(自然科学版);2008年03期

2 陈仕涛;陈国龙;郭文忠;刘延华;;基于粒子群优化和邻域约简的入侵检测日志数据特征选择[J];计算机研究与发展;2010年07期

3 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

4 刘智国;张雅明;林立忠;;基于粒子群LSSVM的网络入侵检测[J];计算机仿真;2010年11期

5 彭义春;牛熠;胡琦伟;;基于IRBF的入侵检测系统的研究[J];计算机应用与软件;2013年09期

6 李旭芳;王士同;;基于QPSO训练支持向量机的网络入侵检测[J];计算机工程与设计;2008年01期

7 栾庆林;卢辉斌;;自适应遗传算法优化神经网络的入侵检测研究[J];计算机工程与设计;2008年12期

8 田俊峰;赵卫东;杜瑞忠;蔡红云;;新的入侵检测数据融合模型——IDSFP[J];通信学报;2006年06期

【共引文献】

相关期刊论文 前10条

1 龚德良;程杰仁;王鲁达;吕明娥;刘平;;基于报文头与报文内容的入侵检测分析方法[J];湘南学院学报;2011年05期

2 苏晋荣;;粒子群算法在异常检测中的应用研究[J];电脑开发与应用;2011年06期

3 金伟健;;一种基于危险理论及模糊集的匹配免疫算法[J];电脑知识与技术;2009年08期

4 熊伟程;杨世平;;基于数据融合的无线网络入侵检测系统[J];计算机安全;2008年11期

5 郭文忠;陈国龙;陈振;;离散粒子群优化算法研究综述[J];福州大学学报(自然科学版);2011年05期

6 刘延华;周柳鸿;陈国龙;;基于云模型的入侵检测日志数据特征选择算法[J];福州大学学报(自然科学版);2011年06期

7 贾善德;;基于入侵检测技术的计算机数据库探究[J];计算机光盘软件与应用;2012年16期

8 沈利香;;基于GA与BP神经网络的网络入侵检测组合模型研究[J];常州工学院学报;2012年04期

9 杨新社;贺兴时;;群体智能和智能优化算法(英文)[J];纺织高校基础科学学报;2013年03期

10 徐东辉;王勇;樊汝森;;一种基于DBN的网络入侵检测算法[J];上海电力学院学报;2013年06期

相关会议论文 前1条

1 ;Network Intrusion Detection Analysis with Neural Network and Particle Swarm Optimization Algorithm[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

相关博士学位论文 前8条

1 李建平;面向异构数据源的网络安全态势感知模型与方法研究[D];哈尔滨工程大学;2010年

2 刘效武;基于多源融合的网络安全态势量化感知与评估[D];哈尔滨工程大学;2009年

3 刘路;基于改进支持向量机和纹理图像分析的旋转机械故障诊断[D];天津大学;2011年

4 刘兰;网络安全事件管理关键技术研究[D];华中科技大学;2007年

5 刘密霞;网络安全态势分析与可生存性评估研究[D];兰州理工大学;2008年

6 陈勇;深海采矿移动机器人的鲁棒控制研究[D];中南大学;2009年

7 赖积保;基于异构传感器的网络安全态势感知若干关键技术研究[D];哈尔滨工程大学;2009年

8 李志东;基于融合决策的网络安全态势感知技术研究[D];哈尔滨工程大学;2012年

【二级参考文献】

相关期刊论文 前10条

1 谭玉玲;;最小二乘支持向量机方法在农用柴油机故障诊断中的应用研究[J];安徽农业科学;2009年22期

2 汪兴东,佘X,周明天,刘恒;基于BP神经网络的智能入侵检测系统[J];成都信息工程学院学报;2005年01期

3 罗光春,卢显良,张骏,李炯;基于多传感器数据融合的入侵检测机制[J];电子科技大学学报;2004年01期

4 李新宇;周铁军;;基于RBF神经网络的入侵检测优化算法研究[J];计算机安全;2011年04期

5 邱楚楚;由大德;马野;王伟岩;;基于免疫径向基网络的舰载无人机维修性预计模型[J];舰船科学技术;2011年11期

6 李辉,管晓宏,昝鑫,韩崇昭;基于支持向量机的网络入侵检测[J];计算机研究与发展;2003年06期

7 姜建国,范晓岚;Cyber IDS——新一代的入侵检测系统[J];计算机工程与应用;2003年19期

8 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

9 包家庆,李祥和,薛华;智能化入侵检测技术[J];计算机工程;2003年17期

10 刘赛,徐斌,梁意文;入侵检测系统中的一种免疫遗传算法[J];计算机工程;2004年08期

【相似文献】

相关期刊论文 前10条

1 张勇,张德运,李胜磊,蒋旭宪;基于分层结构的网络入侵检测技术的研究和实现[J];小型微型计算机系统;2001年01期

2 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

3 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

4 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

5 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

6 周荃;王崇骏;王s，

本文编号：2263011