青岛科技大学学报(自然科学版)
青島科技大學學報(自然科學版)
청도과기대학학보(자연과학판)
JOURNAL OF QINGDAO UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURAL SCIENCE EDITION)
2013年
5期
532-535,541
,共5页
异常入侵检测%支持向量机%遗传算法%归一化处理
異常入侵檢測%支持嚮量機%遺傳算法%歸一化處理
이상입침검측%지지향량궤%유전산법%귀일화처리
intrusion detection%support vector machine%genetic algorithm%normalization processing
为了研究网络异常入侵检测问题,将支持向量机(SVM)和遗传(GA)算法融合并应用于入侵检测领域,区分正常和异常的用户行为,实现对网络系统的入侵检测.传统SVM算法易产生训练参数选择不当,难以获得较高的检测效率和分类精度等问题.针对此问题,提出了一种优化的基于SVM-GA融合的入侵检测方法,首先对网络入侵数据进行归一化处理简化输入,然后通过遗传算法对SVM训练参数进行同步优化,最后采用SVM算法对网络数据进行检测,分类识别得到网络入侵结果.仿真实验结果表明,该融合算法训练时间短、检测精度高、误报率和漏报率低,是一种有效可行的入侵检测方法.
為瞭研究網絡異常入侵檢測問題,將支持嚮量機(SVM)和遺傳(GA)算法融閤併應用于入侵檢測領域,區分正常和異常的用戶行為,實現對網絡繫統的入侵檢測.傳統SVM算法易產生訓練參數選擇不噹,難以穫得較高的檢測效率和分類精度等問題.針對此問題,提齣瞭一種優化的基于SVM-GA融閤的入侵檢測方法,首先對網絡入侵數據進行歸一化處理簡化輸入,然後通過遺傳算法對SVM訓練參數進行同步優化,最後採用SVM算法對網絡數據進行檢測,分類識彆得到網絡入侵結果.倣真實驗結果錶明,該融閤算法訓練時間短、檢測精度高、誤報率和漏報率低,是一種有效可行的入侵檢測方法.
위료연구망락이상입침검측문제,장지지향량궤(SVM)화유전(GA)산법융합병응용우입침검측영역,구분정상화이상적용호행위,실현대망락계통적입침검측.전통SVM산법역산생훈련삼수선택불당,난이획득교고적검측효솔화분류정도등문제.침대차문제,제출료일충우화적기우SVM-GA융합적입침검측방법,수선대망락입침수거진행귀일화처리간화수입,연후통과유전산법대SVM훈련삼수진행동보우화,최후채용SVM산법대망락수거진행검측,분류식별득도망락입침결과.방진실험결과표명,해융합산법훈련시간단、검측정도고、오보솔화루보솔저,시일충유효가행적입침검측방법.