基于萤火虫群优化支持向量机的网络入侵检测方法 |
| |
引用本文: | 刘娜.基于萤火虫群优化支持向量机的网络入侵检测方法[J].应用声学,2014,22(11):3532-3535. |
| |
作者姓名: | 刘娜 |
| |
作者单位: | 长沙民政职业技术学院,长沙 410004 |
| |
基金项目: | 湖南省科技厅科学研究项目(2012GK3063);湖南省教育厅科研项目(12C0939、13C1050)。 |
| |
摘 要: | 为了解决支持向量机(SVM)方法应用于网络入侵检测中存在的参数设置和由样本不均带来的分类面偏斜问题,文章提出了一种基于萤火虫群优化支持向量机(GSO-SVM)的解决方案;算法在进行参数寻优的同时增加了修正因子,实现对分类面的修正,并采用萤火虫群算法进行求解,提高算法跳出局部最优的能力;在DARPA数据集上的检测精度达到97.33%,优于SVM和SVDD方法;实验结果表明文章提出的方法能够有效提高入侵检测模型的泛化性,降低误报率和漏报率。
|
关 键 词: | 入侵检测 支持向量机 萤火虫群 分类面修正 [HJ1.6mm] |
|
| 点击此处可从《应用声学》浏览原始摘要信息 |
| 点击此处可从《应用声学》下载免费的PDF全文 |
|