基于特征选择和SVM参数同步优化的网络入侵检测

被引：7

作者：

樊爱宛 ^{[1
]}

时合生 ^{[2
]}

机构：

[1] 平顶山学院软件学院

[2] 平顶山学院计算机科学与技术学院

来源：

北京交通大学学报 | 2013年 / 05期

关键词：

支持向量机; 遗传算法; 网络入侵检测; 特征选择;

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,利用特征选择和支持向量机(SVM)参数间的相互联系,提出一种特征选择和SVM参数联同步优化的网络入侵检测算法.该算法首先将网络入侵检测正确率作为问题优化的目标函数,网络特征和SVM参数作为约束条件建立数学模型,然后通过遗传算法对数学模型进行求解,找到最优特征子集和SVM参数,最后利用KDD 1999数据集对算法性能进行测试.结果表明,相对于其他入侵检测算法,同步优化算法能够较快选择最优特征与SVM参数,有效提高了网络入侵检测正确率,加快了网络入侵检测速度.

引用

页码：58 / 61

页数：4

共 7 条

[1] 基于神经网络和CFS特征选择的网络入侵检测系统 [J].