论文研究-基于AFSA-SVM的网络入侵检测模型.pdf

时间:2022-10-03 04:30:29
【文件属性】:

文件名称:论文研究-基于AFSA-SVM的网络入侵检测模型.pdf

文件大小:521KB

文件格式:PDF

更新时间:2022-10-03 04:30:29

论文研究

特征选择是网络入侵检测研究中的核心问题,为了提高网络入侵检测率,提出一种人工鱼群算法(AFSA)和支持向量机(SVM)相融合的网络入侵检测模型(AFSA-SVM)。将网络特征子集编码成人工鱼的位置,以5折交叉验证SVM训练模型检测率作为特征子集优劣的评价标准,通过模拟鱼群的觅食、聚群及追尾行为找到最优特征子集,SVM根据最优特征子集进行网络入侵检测,并采用KDD CUP 99数据集进行仿真测试。仿真结果表明,相对于粒子群优化算法、遗传算法和原始特征法,AFSA-SVM提高了入侵检测效率和检测率,是一种有效的网络入侵检测模型。


网友评论