马占飞,陈虎年,杨晋,李学宝,边琦.一种基于IPSO-SVM算法的网络入侵检测方法[J].计算机科学,2018,45(2):231-235, 260
一种基于IPSO-SVM算法的网络入侵检测方法
Novel Network Intrusion Detection Method Based on IPSO-SVM Algorithm
投稿时间:2016-11-20  修订日期:2017-02-14
DOI:10.11896/j.issn.1002-137X.2018.02.040
中文关键词:  网络安全,入侵检测,粒子群优化算法,最优参数,支持向量机
英文关键词:Network security,Intrusion detection,Particle swarm optimization algorithm,Optimal parameter,Support vector machine
基金项目:本文受国家自然科学基金项目(61762071,61163025),内蒙古自治区自然科学基金项目(2010BS0904,2016MS0614),内蒙古自治区高等学校科学研究基金项目(NJ10162,NJZY17287,NJZY201),包头市科学研究基金项目(2014S2004-3-1-26)资助
作者单位E-mail
马占飞 包头师范学院信息科学与技术学院 内蒙古 包头014030 mazhanfei@163.com 
陈虎年 内蒙古科技大学信息工程学院 内蒙古 包头014010  
杨晋 内蒙古科技大学信息工程学院 内蒙古 包头014010  
李学宝 包头师范学院信息科学与技术学院 内蒙古 包头014030  
边琦 内蒙古师范大学传媒学院 呼和浩特010022  
摘要点击次数: 407
全文下载次数: 310
中文摘要:
      网络入侵检测一直是计算机网络安全领域的研究热点,当前网络面临着诸多的安全隐患。为了提高网络入侵检测的准确性,首先对粒子群优化(Particle Swarm Optimization,PSO)算法进行了改进,然后利用改进的PSO算法(IPSO算法)对支持向量机(Support Vector Machine,SVM)的参数进行了优化,并在此基础上设计了一种新型的基于IPSO-SVM算法的网络入侵检测方法。实验结果表明,相比于经典的SVM和PSO-SVM算法,IPSO-SVM算法不仅 明显改善了网络训练的收敛速度,而且其网络入侵检测的正确率分别提高了7.78%和4.74%,误报率分别降低了3.37%和1.19%,漏报率分别降低了1.46%和0.66%。
英文摘要:
      Network intrusion detection has always been the research focus in the field of computer network security,and the current network is facing many potential security problems.In order to improve the accuracy of network intrusion detection,this paper improved the particle swarm optimization (PSO) algorithm,and then optimized the parameters of support vector machine (SVM) by using the improved PSO algorithm.On this basis,this paper also designed a novel network intrusion detection method based on IPSO-SVM algorithm.The experiment results show that the proposed IPSO-SVM algorithm is efficient.Compared with the classical SVM algorithm and PSO-SVM algorithm,IPSO-SVM algorithm not only improves the convergence speed of the network training obviously,but also improves the accuracy rate of network intrusion detection by 7.78% and 4.74% respectively,decreases the false positive rate by 3.37% and 1.19%,and decreases the false negative rate by 1.46% and 0.66%.
查看全文  查看/发表评论  下载PDF阅读器