基于改进粒子群优化SVM的多分类入侵检测研究

发布时间：2017-10-09 00:18

  本文关键词：基于改进粒子群优化SVM的多分类入侵检测研究

  更多相关文章： 入侵检测 粒子群 支持向量机 多分类

【摘要】：针对工控网络数据的高维特性以及攻击方式多样性而导致传统入侵检测算法检测准确率低等问题,采用改进粒子群(PSO)算法优化支持向量机的参数,提出改进的PSO-SVM多分类入侵检测方法。该方法将SVM参数作为改进PSO的粒子,将SVM分类准确率作为PSO的目标函数进行全局搜索以确定SVM的最优参数,建立基于改进PSO-SVM的"一对一"多分类工控入侵检测模型。最后采用密西西比州立大学关键基础设施保护中心提出的工控标准数据集进行仿真实验,结果表明,该算法针对不同的攻击方式的平均检测准确率均能达到90%以上,能够准确识别攻击类型,可为工控系统入侵检测提供有效方法。
【作者单位】： 华东理工大学化工过程先进控制和优化技术教育部重点实验室;中国信息安全测评中心;
【关键词】： 入侵检测 粒子群 支持向量机 多分类
【基金】：国家自然科学青年基金资助项目(51407078)
【分类号】：TP18;TP393.08
【正文快照】： 0引言入侵检测系统(intrusion detection system,IDS)是信息安全领域的重要防御技术。在信息化与工业化深度融合[1]的发展趋势下,越来越多的工业控制系统使用分布式架构连接到外部企业网络和互联网。现代工业控制系统正逐步朝着更加开放和标准的方向发展,使用标准通信协议在优

【相似文献】

中国期刊全文数据库 前1条

1 张阳;刘伟铭;吴义虎;郑兆鹏;;代价敏感参数动态寻优机制的行人检测算法[J];计算机工程与应用;2014年15期

中国博士学位论文全文数据库 前1条

1 李勇征;具有免疫响应能力的入侵防御关键技术研究[D];燕山大学;2013年

中国硕士学位论文全文数据库 前1条

1 刘峰;视频目标跟踪的粒子滤波方法研究[D];广西民族大学;2014年

，

本文编号：997101