本文選題：FAST特征選擇 + 自適應(yīng)二進制量子引力搜索算法�。� 參考：《計算機應(yīng)用研究》2017年07期

【摘要】：為進一步提升網(wǎng)絡(luò)入侵檢測效果,提出一種融合FAST特征選擇與自適應(yīng)二進制量子引力搜索支持向量機的(FAST-ABQGSA-SVM)網(wǎng)絡(luò)入侵檢測算法。利用FAST算法過濾掉原始特征集中冗余無關(guān)的特征形成候選特征子集,基于組合優(yōu)化策略采用自適應(yīng)二進制量子引力搜索算法對候選特征子集與SVM分類器參數(shù)進行組合優(yōu)化。在ABQGSA反復(fù)學(xué)習(xí)尋優(yōu)過程中,采取動態(tài)自適應(yīng)波動式調(diào)整策略更新量子旋轉(zhuǎn)角以平衡算法全局搜索能力和局部搜索能力;同時為提升算法的自適應(yīng)變異能力,設(shè)計與進化程度及個體適應(yīng)度值相關(guān)的自適應(yīng)變異概率,當(dāng)種群進化出現(xiàn)停滯時及時引入量子位離散交叉操作幫助種群擺脫局部極值。通過KDD CUP 99仿真實驗表明,所提出的FAST-ABQGSA-SVM算法較其他同類型檢測算法具有更好的魯棒性、學(xué)習(xí)精度以及檢測效果。
[Abstract]:In order to further improve the effectiveness of network intrusion detection, an intrusion detection algorithm based on FAST-ABQGSA-SVM-based network is proposed, which combines FAST feature selection with adaptive binary quantum gravity search support vector machine. FAST algorithm is used to filter out redundant features in the original feature set to form candidate feature subsets. Adaptive binary quantum gravitational search algorithm is used to optimize the candidate feature subset and SVM classifier parameters based on combinatorial optimization strategy. In the process of repeated learning and optimization of ABQGSA, the dynamic adaptive wave adjustment strategy is adopted to update the quantum rotation angle to balance the global and local search ability of the algorithm, and to improve the adaptive mutation ability of the algorithm. The adaptive mutation probability related to the degree of evolution and individual fitness is designed. When population evolution stagnates the qubit discrete crossover operation is introduced in time to help the population get rid of the local extremum. The simulation results of KDD CUP 99 show that the proposed FAST-ABQGSA-SVM algorithm has better robustness, learning accuracy and detection effect than other similar detection algorithms.
【作者單位】： 南京理工大學(xué)泰州科技學(xué)院移動互聯(lián)網(wǎng)學(xué)院;江蘇科技大學(xué)計算機科學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61305058) 江蘇省自然科學(xué)基金資助項目(15KJB520016)
【分類號】：TP18;TP393.08

【相似文獻】

相關(guān)期刊論文 前10條

1 張怡,胡修林;網(wǎng)絡(luò)入侵檢測技術(shù)[J];金卡工程;2003年06期

2 張鵬;;基于危險理論的計算機網(wǎng)絡(luò)入侵檢測[J];煤炭技術(shù);2012年12期

3 任旭;王家鑫;;計算機網(wǎng)絡(luò)入侵檢測探討[J];中國高新技術(shù)企業(yè);2013年18期

4 張勇,張德運,李勝磊;基于分布協(xié)作式代理的網(wǎng)絡(luò)入侵檢測技術(shù)的研究與實現(xiàn)[J];計算機學(xué)報;2001年07期

5 張勇,張德運,李勝磊,蔣旭憲;基于分層結(jié)構(gòu)的網(wǎng)絡(luò)入侵檢測技術(shù)的研究和實現(xiàn)[J];小型微型計算機系統(tǒng);2001年01期

6 柯海豐,吳明暉;網(wǎng)絡(luò)入侵檢測技術(shù)[J];計算機時代;2001年07期

7 楊向榮,宋擒豹,沈鈞毅;基于行為模式挖掘的網(wǎng)絡(luò)入侵檢測[J];西安交通大學(xué)學(xué)報;2002年02期

8 胡昌振;網(wǎng)絡(luò)入侵檢測技術(shù)及發(fā)展[J];信息安全與通信保密;2002年10期

9 劉奇有,程思遠;淺談網(wǎng)絡(luò)入侵檢測技術(shù)[J];電信工程技術(shù)與標(biāo)準(zhǔn)化;2003年08期

10 周競,黃河;網(wǎng)絡(luò)入侵檢測中的響應(yīng)機制及應(yīng)用[J];交通與計算機;2004年05期

相關(guān)會議論文 前10條

1 成科揚;;基于集對分析的網(wǎng)絡(luò)入侵檢測研究[A];2005年中國智能自動化會議論文集[C];2005年

2 蔣建春;卿斯?jié)h;;基于攻擊上下文的網(wǎng)絡(luò)入侵檢測[A];全國網(wǎng)絡(luò)與信息安全技術(shù)研討會'2005論文集（上冊）[C];2005年

3 彭清泉;楊曉元;韓益亮;;一種基于免疫的網(wǎng)絡(luò)入侵檢測體系結(jié)構(gòu)[A];第二十屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2003年

4 黃曉燕;許龍飛;;基于關(guān)聯(lián)規(guī)則的網(wǎng)絡(luò)入侵檢測技術(shù)的應(yīng)用研究[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2006年

5 張滿懷;;兩類基于異常的網(wǎng)絡(luò)入侵檢測方法的比較[A];2007中國科協(xié)年會——通信與信息發(fā)展高層論壇論文集[C];2007年

6 魏念忠;;基于模糊關(guān)聯(lián)規(guī)則挖掘的網(wǎng)絡(luò)入侵檢測研究[A];2008年全國開放式分布與并行計算機學(xué)術(shù)會議論文集(上冊)[C];2008年

7 沈明玉;邱文慶;;基于行為模型的網(wǎng)絡(luò)入侵檢測方法研究[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

8 申紅婷;;遺傳算法在網(wǎng)絡(luò)入侵檢測中的應(yīng)用[A];中國電子學(xué)會第十五屆信息論學(xué)術(shù)年會暨第一屆全國網(wǎng)絡(luò)編碼學(xué)術(shù)年會論文集（上冊）[C];2008年

9 趙新星;姜青山;陳路瑩;胡海斌;;一種面向網(wǎng)絡(luò)入侵檢測的特征選擇方法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）[C];2009年

10 王志剛;錢興坤;王東亮;;基于PCA的多信息源實時網(wǎng)絡(luò)入侵檢測[A];第二十一次全國計算機安全學(xué)術(shù)交流會論文集[C];2006年

相關(guān)重要報紙文章 前7條

1 陶智;政務(wù)安全：NIPS力克城域網(wǎng)“內(nèi)訌”[N];中國計算機報;2006年

2 鐘文;方通網(wǎng)絡(luò)狙擊手Sniper面市[N];國際商報;2003年

3 ;Symantec ManHunt[N];中國計算機報;2004年

4 ;深層防御保障國稅安全[N];中國計算機報;2003年

5 北京賽門鐵克信息技術(shù)有限公司 郭訓(xùn)平;打造信息安全的大門[N];中國計算機報;2001年

6 劉宏偉;深層防護從核心到邊緣[N];中國計算機報;2004年

7 趙毅;IDS產(chǎn)品選購問答[N];中國計算機報;2007年

相關(guān)博士學(xué)位論文 前8條

1 楊宏宇;網(wǎng)絡(luò)入侵檢測技術(shù)的研究[D];天津大學(xué);2003年

2 劉勇國;基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)入侵檢測研究[D];重慶大學(xué);2003年

3 張寶軍;網(wǎng)絡(luò)入侵檢測若干技術(shù)研究[D];浙江大學(xué);2010年

4 易平;移動Ad Hoc網(wǎng)絡(luò)入侵檢測與主動響應(yīng)機制研究[D];復(fù)旦大學(xué);2005年

5 蔣衛(wèi)華;智能網(wǎng)絡(luò)入侵檢測與安全防護技術(shù)研究[D];西北工業(yè)大學(xué);2003年

6 趙月愛;基于非均衡數(shù)據(jù)分類的高速網(wǎng)絡(luò)入侵檢測研究[D];太原理工大學(xué);2010年

7 趙闊;高速網(wǎng)絡(luò)入侵檢測與防御[D];吉林大學(xué);2008年

8 曾勇;資源受限場景下的容忍入侵關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 劉宇光;無線傳感器網(wǎng)絡(luò)入侵檢測的研究[D];天津理工大學(xué);2015年

2 曹丹星;基于數(shù)據(jù)降維和支持向量機的網(wǎng)絡(luò)入侵檢測[D];山東大學(xué);2015年

3 蔡顯軍;網(wǎng)絡(luò)入侵檢測系統(tǒng)關(guān)鍵技術(shù)研究與實現(xiàn)[D];華北電力大學(xué);2015年

4 李小劍;基于支持向量機與k近鄰相結(jié)合的網(wǎng)絡(luò)入侵檢測研究[D];貴州師范大學(xué);2015年

5 連路朋;基于分布式流數(shù)據(jù)庫系統(tǒng)的網(wǎng)絡(luò)入侵檢測[D];電子科技大學(xué);2015年

6 黃重水;基于聚類技術(shù)識別新型態(tài)的網(wǎng)絡(luò)入侵檢測研究[D];浙江工業(yè)大學(xué);2011年

7 鐘盛開;一種改進孿生支持向量機算法及其在網(wǎng)絡(luò)入侵檢測的應(yīng)用[D];暨南大學(xué);2016年

8 黃曉燕;基于關(guān)聯(lián)規(guī)則的網(wǎng)絡(luò)入侵檢測技術(shù)的應(yīng)用研究[D];暨南大學(xué);2006年

9 羅程;基于核聚類和序列分析的網(wǎng)絡(luò)入侵檢測方法的研究[D];廣西大學(xué);2005年

10 劉翠娟;基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)入侵檢測方法研究[D];華北電力大學(xué)（河北）;2006年

，

本文編號：1913490