入侵检测中基于IBQGSA的特征选择及SVM参数优化

发布时间：2019-05-19 11:19

【摘要】：针对支持向量机(SVM)应用于网络入侵检测时特征选择及分类器参数优化问题,利用改进的二进制量子引力搜索算法(IBQGSA)对入侵特征集及SVM参数进行组合寻优。将入侵特征集及SVM参数看作是二进制量子引力搜索算法中的量子个体并进行组合编码,在使用量子旋转门更新个体位移时,引入动态的位移更新策略,确保算法收敛到全局极值,设计与进化程度及个体适应度值相关的自适应变异概率,提升量子非门变异操作时算法的自适应变异能力。利用KDD CUP 99数据集进行仿真实验,实验结果表明,所提算法能有效地获取最佳特征子集及分类器参数组合,检测效果更好。
[Abstract]:In order to solve the problem of feature selection and classifier parameter optimization when support vector machine (SVM) is applied to network intrusion detection, the improved binary quantum gravity search algorithm (IBQGSA) is used to optimize the intrusion feature set and SVM parameters. The intrusion eigenset and SVM parameters are regarded as quantum individuals in binary quantum gravity search algorithm and encoded by combination. When using quantum revolving gate to update individual displacement, a dynamic displacement updating strategy is introduced. It ensures that the algorithm converges to the global extreme value, designs the adaptive mutation probability related to the degree of evolution and individual adaptability, and improves the adaptive mutation ability of the algorithm in quantum non-gate mutation operation. The simulation results of KDD CUP 99 data set show that the proposed algorithm can effectively obtain the best feature subset and the combination of classifiers parameters, and the detection effect is better.
【作者单位】： 南京理工大学泰州科技学院;江苏科技大学计算机科学与工程学院;
【基金】：国家自然科学基金项目(61305058) 江苏省自然科学基金项目(15KJB520016)
【分类号】：TP181;TP393.08

【相似文献】

相关期刊论文 前10条

1 王卫平;唐志煦;;基于混合CatfishPSO-LSSVM特征选择的入侵检测[J];计算机系统应用;2012年01期

2 张永;曹东侠;;一种高效的特征选择机制应用于入侵检测[J];甘肃科学学报;2011年03期

3 闫鹏;郑雪峰;李明祥;陈松华;;关于贝叶斯推理的垃圾邮件特征选择评估函数[J];计算机工程与应用;2008年33期

4 李慧;李存华;王霞;;基于特征选择的网页排名算法[J];计算机工程;2010年13期

5 肖海军;王小非;洪帆;崔国华;;基于特征选择和支持向量机的异常检测[J];华中科技大学学报(自然科学版);2008年03期

6 张晓惠;林柏钢;;基于特征选择和多分类支持向量机的异常检测[J];通信学报;2009年S1期

7 陈玉明;谢斐星;吴克寿;唐朝辉;;基于邻域关系的网络入侵检测特征选择[J];常州大学学报(自然科学版);2014年03期

8 张昭;张润莲;蒋晓鸽;曾兵;;基于特征选择和支持向量机的异常检测方法[J];计算机工程与设计;2013年09期

9 黄君毅;吴静;张晖;;IP流量分类算法中特征选择作用分析[J];计算机工程;2010年16期

10 刘永芬;;基于特征选择的入侵检测方法[J];福建电脑;2012年04期

相关硕士学位论文 前10条

1 袁玉录;基于数据分类的网络通信行为建模方法研究[D];电子科技大学;2015年

2 马铮;网络流量特征分析与特征选择[D];北京邮电大学;2013年

3 徐冬;基于特征选择的入侵检测方法研究[D];吉林大学;2016年

4 郑芳泉;稀有数据的集成特征选择与入侵检测[D];福州大学;2013年

5 黄春虎;基于ReliefF-FCBF组合的入侵特征选择算法研究[D];新疆大学;2016年

6 唐志煦;基于特征选择的入侵检测研究[D];中国科学技术大学;2011年

7 黎利辉;基于特征选择的入侵检测研究[D];中南林业科技大学;2009年

8 邱玉祥;特征选择和集成学习及其在入侵检测中的应用[D];南京师范大学;2008年

9 张家柏;基于特征选择和聚类的入侵检测的研究[D];中南大学;2010年

10 刘康;网络流分类中的特征选择研究[D];扬州大学;2013年

，

本文编号：2480687