共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
针对最小二支持向量机(LSSVM)参数选择难题,提出一种蝙蝠(BA)算法优化的LSSVM网络入侵检测模型(BA-LSSVM)。首先将LSSVM参数编码为蝙蝠个体,并以网络入侵检测正确率作为参数目标优化函数,然后通过模拟蝙蝠飞行过程找到LSSVM最优参数,最后根据最优参数建立网络入侵检测模型。在Matlab2012平台采用KDD CUP 99数据集进行仿真测试。仿真结果表明,相对于其它网络入侵检测模型,BA-LSSVM提高了网络入侵检测检测率,加快了网络入侵检测速度。 相似文献
3.
基于数据挖掘技术的网络入侵检测技术研究 总被引:1,自引:0,他引:1
在此对基于数据挖掘技术的网络入侵检测技术进行研究。考虑到常规BP神经网络建立的网络入侵检测技术存在由于BP神经网络容易陷入最小值导致检测效率和准确率低下等问题,使用粒子群算法对BP神经网络模型进行优化,使用动态惯性权重系数以确定BP神经网络的参数,并将网络入侵流量特征与BP神经网络的参数组合并编码成一个粒子以实现网络入侵流量特征与BP神经网络的参数的同步选取。通过使用KDD CUP99数据库的入侵流量数据对使用该方法以及常规BP神经网络建立的检测模型进行训练和测试,结果表明,研究算法建立的检测模型具有更高的检测效率以及检测准确率。 相似文献
4.
5.
刘春 《智能计算机与应用》2015,(3):84-87
为了有效地检测网络入侵行为,提出一种人工鱼群(AFSA)算法优化BP神经网络(BPNN)入侵检测模型。首先将BP神经网络的权值和阈值编码为AFSA的人工鱼状态,然后通过人工鱼群觅食、聚群、追尾等行为,对BP神经网络的参数进行优化,寻找到BP神经网络的最优参数,最后利用建立的最优BP神经网络模型,对网络入侵行为进行检测。在Windows XP操作系统,Matlab 2012平台上,采用KDD CUP 99数据集仿真测试,相对于传统的BP神经网络模型,本文模型可以显著提高网络入侵检测正确率,有着更加广泛的应用前景。 相似文献
6.
李军华 《微电子学与计算机》2017,(10):123-126
提出一种分层网络伪装入侵实时高速检测方法.该方法首先对分层网络数据进行预处理,采用蚁群算法对分层网络伪装入侵实时高速检测进行特征选择,然后结合特征选择的分析进行网络伪装入侵实时高速分层聚类方法完成对分层网络伪装入侵实时高速检测方法的研究.仿真实验表明,利用分层网络入侵检测方法能有效地提高网络入侵实时高速检测准确性. 相似文献
7.
为解决网络入侵行为检测的难题,研究基于机器学习算法的通信网络入侵行为检测方法。获取通信网络入侵数据,分析通信网络异常行为;基于机器学习算法处理入侵行为数据,筛选出网络安全漏洞与网络攻击数量;构建网络入侵行为检测模型,减少网络入侵行为的检测漏洞,进而实现网络入侵的精准检测。实验结果表明:研究的检测方法检测到的入侵行为数据与实际入侵行为数据相差较少,检测结果较为精准,极具推广价值。 相似文献
8.
为了解决支持向量机(优化SVM)在网络入侵检测中的参数优化问题,以提高网络入侵检测性能,提出一种入侵杂草(IWO)算法SVM的网络入侵检测模型(IWO-SVM)。首先将SVM参数编码为入侵杂草,以检测率作为优化目标函数,然后通过模拟杂草入侵种子的生长过程找到最SVM的最优参数,从而最优网络入侵检测模型,后在采用KDD99数据集性能测试。结果表明IWO-SVM是一种检测检测率高、速度快的网络入侵检测模型。 相似文献
9.