基于GWO-SVM算法的物联网入侵检测研究

发布时间：2022-02-27 22:14

　　物联网时代悄然而至,然而物联网技术在给人们带来方便的同时,其安全问题也日趋突出。针对物联网存在的网络入侵安全问题,提出GWO-SVM算法实现网络入侵检测。灰狼优化算法（GWO）具有收敛速度快、全局搜索能力强等优点,将GWO用于优化支持向量机（SVM）的参数选择,有助于提升分类模型的准确率。同时通过调整适应度值函数,避免分类模型过拟合。在UNSW-NB15数据集上,将GWO-SVM分类算法与SVM、PSO-SVM、GA-SVM分类算法进行对比,实验结果表明,GWO-SVM算法具有更高的分类准确率和性能,适用于物联网环境下的网络入侵检测。 

【文章来源】：信息技术与网络安全. 2020,39(10)

【文章页数】：5 页

【文章目录】：
0 引言
1 理论分析
    1.1 支持向量机
    1.2 灰狼优化算法
        1.2.1 包围猎物
        1.2.2 狩猎
    1.3 GWO优化SVM参数选择
2 实验分析
    2.1 实验环境与数据集
    2.2 数据预处理
    2.3 模型设置
    2.4 实验结果
3 模型仿真
4 结论


【参考文献】：
期刊论文
[1]改进灰狼算法及其应用[J]. 袁岩,曹萃文.  计算机工程与设计. 2020(02)
[2]改进GWO优化SVM的服务器性能预测[J]. 李建民,陈慧,杨冬芹,林振荣.  计算机工程与设计. 2019(11)
[3]粒子群算法和支持向量机的网络入侵检测[J]. 余森,赵冉.  微型电脑应用. 2019(09)
[4]改进WOA算法优化SVM的网络入侵检测[J]. 徐慧,付迎春,付朝川,叶志伟.  实验室研究与探索. 2019(08)
[5]基于灰狼算法优化核极限学习机的网络入侵检测研究[J]. 段兴林.  微型电脑应用. 2019(03)
[6]智能家居安全综述[J]. 王基策,李意莲,贾岩,周威,王宇成,王鹤,张玉清.  计算机研究与发展. 2018(10)
[7]基于平衡二叉决策树SVM算法的物联网安全研究[J]. 张晓惠,林柏钢.  信息网络安全. 2015(08)
[8]改进蚁群算法优化支持向量机的网络入侵检测[J]. 王雪松,梁昔明.  计算技术与自动化. 2015(02)
[9]PSO-SVM算法在网络入侵检测中的研究[J]. 鞠秋文.  计算机仿真. 2011(04)

硕士论文
[1]基于蚁狮优化SVM的智能家居入侵检测的研究[D]. 单欣欣.湖北工业大学 2019



本文编号：3645386