文献类型：期刊文章

作　　者：简雄[1] 唐银清[1] 黄斌文[1]

JIAN Xiong;TANG Yin-qing;HUANG Bin-wen(Modern Education Technology Center,Hainan Medical University,Haikou,Hainan 571199,China)

机构地区：[1]海南医学院现代教育技术中心,海南海口571199

出　　处：《计算技术与自动化》

基　　金：海南省重大科技计划项目(ZDKJ2021028);海南省高等学校教育教学改革研究项目(Hnjg2019-53);教育部产学合作协同育人项目(220604719293004)。

年　　份：2023

卷　　号：42

期　　号：3

起止页码：113-117

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：互联网快速发展使得网络空间越来越复杂,网络入侵导致网络安全问题备受关注。为提升网络入侵的检测效率和精度,构建了基于支持向量机的网络入侵检测模型。支持向量机模型的惩罚系数和核函数参数直接影响入侵模型的检测精度,采用麻雀搜索算法对惩罚系数和核函数参数进行优化,提出了基于麻雀搜索算法和支持向量机的网络入侵检测模型。将提出的网络入侵检测模型应用于实际的网络入侵检测中,并与PSO-SVM和SVM模型进行对比。结果表明,所提出的网络入侵检测模型能够有效降低网络入侵的误报率,这对确保网络安全具有一定的现实意义。

关 键 词：麻雀搜索算法  误报率 支持向量机  网络入侵 检测率

分 类 号：TP391.1]