本文關鍵詞：混合編碼網絡差異特性下的入侵檢測模型仿真

  更多相關文章： 混合編碼 人工魚群算法 支持向量機

【摘要】：針對傳統(tǒng)入侵檢測算法提取的網絡入侵特征不準確,冗余信息過多,導致建模準確率低的問題。提出采用改進人工魚群算法的混合編碼網絡差異特性下的入侵檢測建模方法。先在混合編碼網絡差異特性下細化網絡入侵特征搜索空間,并建立最優(yōu)保存策略進化模型進行優(yōu)勝劣汰操作,將網絡子集編碼成人工魚的位置,依據魚群的覓食行為提取混合編碼網絡差異的最優(yōu)特征子集,根據提取的特征子集對網絡差異訓練集進行特征約簡,并輸入到SVM進行訓練,建立混合編碼網絡差異特性下的入侵檢測模型。仿真證明,所提算法精確度可以達到98%.
【作者單位】： 廣東財經大學;
【基金】：教育部高校碩士點基金(200801120007)
【分類號】：TP18;TP393.08
【正文快照】： 1引言在計算機網絡飛速發(fā)展的同時,人們對網絡安全的要求也在不斷的提高[1-3]。傳統(tǒng)的網絡入侵檢測技術已經無法防御日新月異的入侵手段[4-6]。在這種情況下,如何有效地進行網絡差異特性下的入侵檢測成為了該領域亟待解決的主要問題,而網絡差異特性下的優(yōu)化入侵檢測方法可以對

【相似文獻】

中國期刊全文數據庫 前10條

1 郝俊瑞,許紅軍;基于分類的小波—分形混合編碼[J];無線電工程;2001年S1期

2 游偉;劉建國;都斌;田立娜;;軍用物資混合編碼集成系統(tǒng)研究[J];科學技術與工程;2006年15期

3 郝俊瑞,許紅軍;新的小波—分形混合編碼方法:分類[J];桂林電子工業(yè)學院學報;2001年02期

4 謝春娣,梅家斌;基于混合編碼的同步優(yōu)化策略[J];紡織高校基礎科學學報;2004年01期

5 陳力軍,于洪珍,劉富強;分形-模型基混合編碼在煤礦指揮系統(tǒng)中的應用[J];煤炭科學技術;1998年05期

6 歐進萍,張利芬;模糊神經網絡控制系統(tǒng)優(yōu)化的實整數混合編碼遺傳算法[J];地震工程與工程振動;2003年01期

7 方咸云,王永初;基于混合編碼遺傳算法在模型辨識中的應用[J];南昌航空工業(yè)學院學報(自然科學版);2002年01期

8 張偉棟;葉貞成;錢鋒;;基于混合編碼的遺傳算法在神經網絡優(yōu)化中的應用[J];華東理工大學學報(自然科學版);2008年01期

9 路志英,龐勇,林孔元;遺傳神經網混合編碼方式的研究[J];計算機工程與設計;2004年11期

10 羅強,任慶利,羅莉,楊萬海;一種基于局部極大模和分形的混合編碼方法[J];中國圖象圖形學報;2003年01期

中國碩士學位論文全文數據庫 前1條

1 王彬彬;基于精細可分級的音視頻混合編碼[D];吉林大學;2007年

，

本文編號：1249499