【摘要】：針對支持向量機(SVM)應(yīng)用于網(wǎng)絡(luò)入侵檢測時特征選擇及分類器參數(shù)優(yōu)化問題,利用改進的二進制量子引力搜索算法(IBQGSA)對入侵特征集及SVM參數(shù)進行組合尋優(yōu)。將入侵特征集及SVM參數(shù)看作是二進制量子引力搜索算法中的量子個體并進行組合編碼,在使用量子旋轉(zhuǎn)門更新個體位移時,引入動態(tài)的位移更新策略,確保算法收斂到全局極值,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,提升量子非門變異操作時算法的自適應(yīng)變異能力。利用KDD CUP 99數(shù)據(jù)集進行仿真實驗,實驗結(jié)果表明,所提算法能有效地獲取最佳特征子集及分類器參數(shù)組合,檢測效果更好。
[Abstract]:In order to solve the problem of feature selection and classifier parameter optimization when support vector machine (SVM) is applied to network intrusion detection, the improved binary quantum gravity search algorithm (IBQGSA) is used to optimize the intrusion feature set and SVM parameters. The intrusion eigenset and SVM parameters are regarded as quantum individuals in binary quantum gravity search algorithm and encoded by combination. When using quantum revolving gate to update individual displacement, a dynamic displacement updating strategy is introduced. It ensures that the algorithm converges to the global extreme value, designs the adaptive mutation probability related to the degree of evolution and individual adaptability, and improves the adaptive mutation ability of the algorithm in quantum non-gate mutation operation. The simulation results of KDD CUP 99 data set show that the proposed algorithm can effectively obtain the best feature subset and the combination of classifiers parameters, and the detection effect is better.
【作者單位】： 南京理工大學(xué)泰州科技學(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)基金項目(61305058) 江蘇省自然科學(xué)基金項目(15KJB520016)
【分類號】：TP181;TP393.08

【相似文獻】

相關(guān)期刊論文 前10條

1 王衛(wèi)平;唐志煦;;基于混合CatfishPSO-LSSVM特征選擇的入侵檢測[J];計算機系統(tǒng)應(yīng)用;2012年01期

2 張永;曹東俠;;一種高效的特征選擇機制應(yīng)用于入侵檢測[J];甘肅科學(xué)學(xué)報;2011年03期

3 閆鵬;鄭雪峰;李明祥;陳松華;;關(guān)于貝葉斯推理的垃圾郵件特征選擇評估函數(shù)[J];計算機工程與應(yīng)用;2008年33期

4 李慧;李存華;王霞;;基于特征選擇的網(wǎng)頁排名算法[J];計算機工程;2010年13期

5 肖海軍;王小非;洪帆;崔國華;;基于特征選擇和支持向量機的異常檢測[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2008年03期

6 張曉惠;林柏鋼;;基于特征選擇和多分類支持向量機的異常檢測[J];通信學(xué)報;2009年S1期

7 陳玉明;謝斐星;吳克壽;唐朝輝;;基于鄰域關(guān)系的網(wǎng)絡(luò)入侵檢測特征選擇[J];常州大學(xué)學(xué)報(自然科學(xué)版);2014年03期

8 張昭;張潤蓮;蔣曉鴿;曾兵;;基于特征選擇和支持向量機的異常檢測方法[J];計算機工程與設(shè)計;2013年09期

9 黃君毅;吳靜;張暉;;IP流量分類算法中特征選擇作用分析[J];計算機工程;2010年16期

10 劉永芬;;基于特征選擇的入侵檢測方法[J];福建電腦;2012年04期

相關(guān)碩士學(xué)位論文 前10條

1 袁玉錄;基于數(shù)據(jù)分類的網(wǎng)絡(luò)通信行為建模方法研究[D];電子科技大學(xué);2015年

2 馬錚;網(wǎng)絡(luò)流量特征分析與特征選擇[D];北京郵電大學(xué);2013年

3 徐冬;基于特征選擇的入侵檢測方法研究[D];吉林大學(xué);2016年

4 鄭芳泉;稀有數(shù)據(jù)的集成特征選擇與入侵檢測[D];福州大學(xué);2013年

5 黃春虎;基于ReliefF-FCBF組合的入侵特征選擇算法研究[D];新疆大學(xué);2016年

6 唐志煦;基于特征選擇的入侵檢測研究[D];中國科學(xué)技術(shù)大學(xué);2011年

7 黎利輝;基于特征選擇的入侵檢測研究[D];中南林業(yè)科技大學(xué);2009年

8 邱玉祥;特征選擇和集成學(xué)習(xí)及其在入侵檢測中的應(yīng)用[D];南京師范大學(xué);2008年

9 張家柏;基于特征選擇和聚類的入侵檢測的研究[D];中南大學(xué);2010年

10 劉康;網(wǎng)絡(luò)流分類中的特征選擇研究[D];揚州大學(xué);2013年

，

本文編號：2480687