文档摘要: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与检测效率,首先选择支持向量机(SVM)作为机器学习分类模型,其次用改进的量子粒子群算法(IQPSO)对支持向量机的参数进行优化.以此为基础,设计了一种基于IQPSO-SVM算法的网络入侵检测方法.实验结果表明,IQPSO-SVM算法相对于深度神经网络(DNN)算法和SVM算法,不仅在效率上有了明显的改善,而且在网络入侵检测的正确率上分别提高了4.26%和7.12%,在误报率上分别降低了0.93%和3.31%,在漏报率上分别降低了0.52%和1.26%.
Abstract:Networkintrusiondetectionhasalwaysbeenahottopicinthefieldofcomputernetworksecurity.Currently,thenetworkisfacedwithmanysecurityrisks.Supportvectormachine(SVM)waschosenastheclassificationmodelofmachinelearningandthepa-rametersofSVMwereoptimizedbytheimprovedquantumparticleswarmoptimization(IQPSO)inordertoimprovetheaccuracyofnetworkintrusiondetectionanddetectionefficiency.Basedonthis,anetworkintrusiondetectionmethodbasedonIQPSO-SVMalgo-rithmwasdesigned.TheexperimentalresultsshowthatIQPSO-SVMalgorithmnotonlyhasobviousimprovementinefficiency,butalsoincreasestheaccuracyofnetworkintrusiondetectionby4.26%and7.12%,comparedwiththatbyusingDeepneuralnetwork(DNN)andSVMalgorithms,respectively;meanwhile,thefalsepositiveratewasreducedby0.93%and3.31%,respectively,andthemissingratewasdecreasedby0.52%and1.26%,respectively.
作者:杨晋 金溢 马占飞 Author:YANGJin JINYi MAZhan-fei
作者单位:内蒙古科技大学信息工程学院,内蒙古包头,014010内蒙古科技大学包头师范学院,内蒙古包头,014010
刊名:内蒙古科技大学学报
Journal:JournalofInnerMongoliaUniversityofScienceandTechnology
年,卷(期):2018, 37(1)
分类号:TP393.08
关键词:网络安全 入侵检测 量子粒子群算法 支持向量机
Keywords:networksecurity intrusiondetection quantumparticleswarmoptimization supportvectormachine
机标分类号:
在线出版日期:2018年7月4日
基金项目:国家自然科学基金资助项目,内蒙古自治区自然科学基金资助项目,内蒙古自治区高等学校科学研究基金资助项目基于IQPSO算法的网络入侵检测研究[
期刊论文] 内蒙古科技大学学报--2018, 37(1)杨晋 金溢 马占飞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与检测效率,首先选择支持向量机(SVM)作为机器学习分类模型,其次用改进的量子粒子群算法(IQPSO)对支持向量...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词:网络安全,入侵检测,量子粒子群算法,支持向量机,
|
|