本文關(guān)鍵詞：ACO和SVM選擇加權(quán)特征的網(wǎng)絡(luò)攻擊監(jiān)測(cè)方法　出處：《科技通報(bào)》2015年10期 　論文類型：期刊論文

  更多相關(guān)文章： 特征選擇 特征加權(quán) 蟻群優(yōu)化算法 支持向量機(jī) 網(wǎng)絡(luò)攻擊檢測(cè)

【摘要】：特征選擇和分類器設(shè)計(jì)是網(wǎng)絡(luò)攻擊監(jiān)測(cè)的關(guān)鍵,為了提高網(wǎng)絡(luò)攻擊監(jiān)測(cè)率,針對(duì)特征選擇問(wèn)題,提出一種蟻群算法選擇特征和SVM特征加權(quán)相結(jié)合的網(wǎng)絡(luò)攻擊檢測(cè)方法(ACO-SVM)。首先利用支持向量機(jī)的分類精度和特征子集維數(shù)加權(quán)構(gòu)造了綜合適應(yīng)度指標(biāo),利用蟻群算法的全局尋優(yōu)和多次優(yōu)解搜索能力實(shí)現(xiàn)特征子集搜索;然后選擇網(wǎng)絡(luò)數(shù)據(jù)的關(guān)鍵特征,計(jì)算信息增益獲得各個(gè)特征權(quán)重,并根據(jù)特征權(quán)重構(gòu)建加權(quán)支持向量機(jī)的網(wǎng)絡(luò)攻擊分類器;最后設(shè)計(jì)了局部細(xì)化搜索方式,使得特征選擇結(jié)果不含冗余特征的同時(shí)提高了算法的收斂性,并通過(guò)KDD1999數(shù)據(jù)集驗(yàn)證了算法有效性。結(jié)果表明,ACO-SVM有效降低了特征維數(shù),提高了網(wǎng)絡(luò)攻擊檢測(cè)正確率和檢測(cè)速度。
[Abstract]:Feature selection and classifier design is the key of network attack monitoring, in order to improve the monitoring network attack rate, according to the feature selection problem, proposed an ant colony algorithm of feature selection and SVM feature weighting combination of network attack detection method (ACO-SVM). By using support vector machine classification accuracy and feature subset dimension weighted to construct a comprehensive fitness the index, using ant colony algorithm global optimization and multiple optimal solution search ability to achieve feature subset search; and then select the key features of network data, calculating the information gain and obtain the feature weights, and according to the characteristics of network attack classifier weights to construct weighted support vector machine; finally design the local refined search methods, the results without feature selection the redundant features and improve the convergence of the algorithm, and through the KDD1999 data sets show the effectiveness of the proposed algorithms. The results show that ACO-SV M effectively reduces the feature dimension and improves the accuracy and detection speed of network attack detection.

【作者單位】： 順德職業(yè)技術(shù)學(xué)院;
【基金】：廣東省教育研究院教育研究課題(GDJY-2015-B-b058) 廣東省教育科學(xué)“十二五”規(guī)則課題(2012JK304) 順德職業(yè)技術(shù)學(xué)院2014年校級(jí)教學(xué)改革項(xiàng)目(2014-SZJGXM07)
【分類號(hào)】：TP393.08;TP18
【正文快照】： Internet規(guī)模日益增加,加上其開(kāi)放性、無(wú)主管性和不設(shè)防性等特性,網(wǎng)絡(luò)攻擊手段復(fù)雜多變,而且攻擊數(shù)量和危害程度日益嚴(yán)重,網(wǎng)絡(luò)攻擊監(jiān)測(cè)一直是網(wǎng)絡(luò)安全防御研究中的重點(diǎn)[1]。在網(wǎng)絡(luò)入侵建模時(shí),特征選擇和分類器設(shè)計(jì)至關(guān)重要,它們的好壞將直接影響網(wǎng)絡(luò)攻擊監(jiān)測(cè)性能[2]。由于原始

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 李燁;蔡云澤;尹汝潑;許曉鳴;;基于證據(jù)理論的多類分類支持向量機(jī)集成[J];計(jì)算機(jī)研究與發(fā)展;2008年04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 陳友;程學(xué)旗;李洋;戴磊;;基于特征選擇的輕量級(jí)入侵檢測(cè)系統(tǒng)[J];軟件學(xué)報(bào);2007年07期

4 涂亞平;劉萍;謝寶陵;吳海兵;;基本螞蟻算法中算法參數(shù)的優(yōu)化[J];小型微型計(jì)算機(jī)系統(tǒng);2007年11期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蘇思;姜禮平;鄒明;;基于多分類支持向量機(jī)和證據(jù)合成方法的多傳感器信息融合研究[J];兵工自動(dòng)化;2010年01期

2 章小強(qiáng);管霖;王同文;;針對(duì)特征選擇問(wèn)題的改進(jìn)蟻群算法及其在電力系統(tǒng)安全評(píng)估中的應(yīng)用[J];電工技術(shù)學(xué)報(bào);2010年12期

3 唐杰斌;周渝慧;陳向婷;郭昱霄;段煒;;基于遺傳算法與蟻群算法的電網(wǎng)規(guī)劃[J];電力需求側(cè)管理;2011年02期

4 李哲;夏立;吳正國(guó);周衛(wèi)平;;UPQC輸出濾波器的優(yōu)化設(shè)計(jì)[J];電力自動(dòng)化設(shè)備;2011年07期

5 蘇晉榮;;粒子群算法在異常檢測(cè)中的應(yīng)用研究[J];電腦開(kāi)發(fā)與應(yīng)用;2011年06期

6 金偉健;;一種基于危險(xiǎn)理論及模糊集的匹配免疫算法[J];電腦知識(shí)與技術(shù);2009年08期

7 符楊;孟令合;胡榮;曹家麟;;改進(jìn)多目標(biāo)蟻群算法在電網(wǎng)規(guī)劃中的應(yīng)用[J];電網(wǎng)技術(shù);2009年18期

8 黎利輝;;基于遺傳模擬退火算法的入侵檢測(cè)特征選擇研究[J];計(jì)算機(jī)安全;2010年07期

9 龍燦;;網(wǎng)絡(luò)安全技術(shù)現(xiàn)狀與趨勢(shì)研究[J];福建電腦;2008年08期

10 楊永生;;多通道信息融合技術(shù)在故障診斷中的應(yīng)用[J];光機(jī)電信息;2011年03期

相關(guān)會(huì)議論文 前2條

1 陳友;戴磊;程學(xué)旗;;基于MRMHC-C4．5的IP流分類[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

2 徐t，

本文編號(hào)：1424170