文献类型：期刊文章

作　　者：张金霜[1] 梁树杰[1] 左敬龙[2]

Zhang Jinshuang;Liang Shujie;Zuo Jinglong(Education Information Technology Center,Guangdong Perschool Normal College in Maoming,Maoming 525000,China;Network and Education Information Technology Center,Guangdong University of Petrochemical Technology,Maoming 525000,China)

机构地区：[1]广东茂名幼儿师范专科学校教育信息技术中心,广东茂名525000 [2]广东石油化工学院网络与教育信息技术中心,广东茂名525000

出　　处：《信息技术与网络安全》

基　　金：2018年广东省科技创新战略专项基金项目(2018S001411)。

年　　份：2020

卷　　号：39

期　　号：10

起止页码：44-48

语　　种：中文

收录情况：JST、普通刊

摘　　要：物联网时代悄然而至,然而物联网技术在给人们带来方便的同时,其安全问题也日趋突出。针对物联网存在的网络入侵安全问题,提出GWO-SVM算法实现网络入侵检测。灰狼优化算法(GWO)具有收敛速度快、全局搜索能力强等优点,将GWO用于优化支持向量机(SVM)的参数选择,有助于提升分类模型的准确率。同时通过调整适应度值函数,避免分类模型过拟合。在UNSW-NB15数据集上,将GWO-SVM分类算法与SVM、PSO-SVM、GA-SVM分类算法进行对比,实验结果表明,GWO-SVM算法具有更高的分类准确率和性能,适用于物联网环境下的网络入侵检测。

关 键 词：网络入侵检测 灰狼优化算法  支持向量机  物联网安全

分 类 号：TP393]