本文關(guān)鍵詞：基于CQPSO-LSSVM的網(wǎng)絡(luò)入侵檢測(cè)模型

  更多相關(guān)文章： 協(xié)同量子粒子群算法 最小二乘支持向量機(jī) 特征選擇 網(wǎng)絡(luò)入侵檢測(cè)

【摘要】：為了提高網(wǎng)絡(luò)入侵檢測(cè)率,提出一種協(xié)同量子粒子群算法和最小二乘支持向量機(jī)的網(wǎng)絡(luò)入侵檢測(cè)模型(CQPSO-LSSVM)。將網(wǎng)絡(luò)特征子集編碼成量子粒子位置,入侵檢測(cè)正確率作為特征子集優(yōu)劣的評(píng)價(jià)標(biāo)準(zhǔn),采用協(xié)同量子粒子群算法找到最優(yōu)特征子集,采用最小二乘支持向量機(jī)建立網(wǎng)絡(luò)入侵檢測(cè)模型,并采用KDD CUP 99數(shù)據(jù)集進(jìn)行仿真測(cè)試。結(jié)果表明,CQPSO-LSSVM獲得了比其他入侵檢測(cè)模型更高的檢測(cè)效率和檢測(cè)率。
【作者單位】： 淮北職業(yè)技術(shù)學(xué)院建筑工程系;合肥工業(yè)大學(xué)電氣與自動(dòng)化工程學(xué)院;
【基金】：安徽省“十二五”科技攻關(guān)計(jì)劃項(xiàng)目(No.11010402183)
【分類號(hào)】：TP393.08
【正文快照】： 隨著網(wǎng)絡(luò)規(guī)模越來越龐大,網(wǎng)絡(luò)安全日益嚴(yán)重,入侵行為和類型呈多樣化發(fā)展,提高網(wǎng)絡(luò)入侵檢測(cè)率具有一定的現(xiàn)實(shí)和理論意義[1]。網(wǎng)絡(luò)入侵檢測(cè)的特征選擇至關(guān)重要,如何選擇最優(yōu)的特征子集與網(wǎng)絡(luò)入侵檢測(cè)效果直接相關(guān),當(dāng)前網(wǎng)絡(luò)特征選擇算法分為兩類:窮舉搜索算法和群智能優(yōu)化算法等[

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 郭文忠;陳國(guó)龍;陳慶良;余輪;;基于粒子群優(yōu)化算法和相關(guān)性分析的特征子集選擇[J];計(jì)算機(jī)科學(xué);2008年02期

2 高海華;楊輝華;王行愚;;基于BPSO-SVM的網(wǎng)絡(luò)入侵特征選擇和檢測(cè)[J];計(jì)算機(jī)工程;2006年08期

3 何紹榮;梁金明;何志勇;;基于互信息和關(guān)系積理論的特征選擇方法[J];計(jì)算機(jī)工程;2010年13期

4 馬海峰;岳新;孫名松;;基于神經(jīng)網(wǎng)絡(luò)的分布式入侵檢測(cè)研究[J];計(jì)算機(jī)應(yīng)用;2006年S2期

5 包潘晴;楊明福;;基于KPCA和SVM的網(wǎng)絡(luò)入侵檢測(cè)[J];計(jì)算機(jī)應(yīng)用與軟件;2006年02期

6 周，

本文編號(hào)：1283955