特征和分类器联合优化的网络入侵检测算法

被引：5

作者：

宋宇翔 ^{[1
]}

刘琰 ^{[2
]}

机构：

[1] 广东培正学院实验实践教学服务中心

[2] 濮阳职业技术学院网络中心

来源：

计算机工程与应用 | 2012年 / 19期

关键词：

网络入侵; 特征选择; 支持向量机; 遗传算法;

D O I：

暂无

中图分类号：

TP393.08 [];

学科分类号：

0839 ; 1402 ;

摘要：

为了提高网络入侵检测正确率,利用特征选择和检测分类器参数间的相互联系,提出一种特征和分类器联合优化的网络入侵检测算法。联合优化方法将网络状态特征和分类器参数作为遗传算法的个体,网络入侵检测正确率作为个体适应度函数,通过选择、交叉和变异等遗传操作获得最优特征和分类器参数,利用KDD 1999数据集对联合优化算法进行验证性测试。实验结果表明,相对于其他入侵检测算法,联合优化算法既解决了特征与分类器不匹配带来的入检测检测能力下降,又提高了网络入侵检测正确率和效率,为网络入侵检测提供了一种新的研究思路。

引用

页码：77 / 81

页数：5

共 5 条

[1] 基于QPSO优化投影寻踪的网络入侵检测方法 [J].

朱丽华 ;

刘以安 ;

魏敏 .

计算机工程与应用 , 2011, (28) :80-82+134

[2] 改进的模糊聚类算法在入侵检测中的研究 [J].

孙大朋 .

计算机与数字工程, 2010, 38 (03) :88-91

[3] 一种网络入侵检测特征提取方法 [J].

张雪芹 ;

顾春华 .

华南理工大学学报(自然科学版), 2010, 38 (01) :81-86

[4]

Modified particle swarm optimization algorithm for variable selection in MLR and PLS modeling: QSAR studies of antagonism of angiotensin II antagonists[J] . Qi Shen,Jian-Hui Jiang,Chen-Xu Jiao,Guo-li Shen,Ru-Qin Yu.European Journal of Pharmaceutical Sciences . 2004 (2)

[5] Utilising fuzzy logic and trend analysis for effective intrusion detection [J].

Botha, M ;

von Solms, R .

COMPUTERS & SECURITY, 2003, 22 (05) :423-434

← 1 →