文献类型：期刊文章

作　　者：马占飞[1] 陈虎年[2] 杨晋[2] 李学宝[1] 边琦[3]

机构地区：[1]包头师范学院信息科学与技术学院,内蒙古包头014030 [2]内蒙古科技大学信息工程学院,内蒙古包头014010 [3]内蒙古师范大学传媒学院,呼和浩特010022

出　　处：《计算机科学》

基　　金：国家自然科学基金项目(61762071;61163025);内蒙古自治区自然科学基金项目(2010BS0904;2016MS0614);内蒙古自治区高等学校科学研究基金项目(NJ10162;NJZY17287;NJZY201);包头市科学研究基金项目(2014S2004-3-1-26)资助

年　　份：2018

卷　　号：45

期　　号：2

起止页码：231-235

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

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,首先对粒子群优化(Particle Swarm Optimization,PSO)算法进行了改进,然后利用改进的PSO算法(IPSO算法)对支持向量机(Support Vector Machine,SVM)的参数进行了优化,并在此基础上设计了一种新型的基于IPSO-SVM算法的网络入侵检测方法。实验结果表明,相比于经典的SVM和PSO-SVM算法,IPSO-SVM算法不仅明显改善了网络训练的收敛速度,而且其网络入侵检测的正确率分别提高了7.78%和4.74%,误报率分别降低了3.37%和1.19%,漏报率分别降低了1.46%和0.66%。

关 键 词：网络安全 入侵检测 粒子群优化算法 最优参数  支持向量机

分 类 号：TP393.08]