改进ACO-SVM在网络入侵检测中的应用

作     者：刘静 杨正校 LIU Jing;YANG Zheng-xiao

作者机构：苏州健雄职业技术学院软件与服务外包学院江苏太仓215411 

基　　金：2018年江苏省"青蓝工程"项目资助 2018年江苏省333高层次人才培养工程项目 2017年太仓市科技局科技计划项目基础研究计划<基于攻击原型建模的工业控制网络安全技术研究> 

出 版 物：《软件》 (Software)

年 卷 期：2018年第39卷第10期

页      码：57-59页

摘      要：为了提高网络入侵检测正确率,降低特征冗余,提出一种蚁群优化与支持向量机相结合的入侵检测方法(ACO-SVM)。利用支持向量机的分类精度和特征子集维数加权构造综合适应度指标,利用蚁群算法的全局寻优和多次优解搜索能力实现特征子集搜索,并设计了局部细化搜索方式,实现特征选择结果降维,提高算法的收敛性。

主 题 词：特征选择 蚁群优化算法 支持向量机 网络入侵检测 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1003-6970.2018.10.012

馆 藏 号：203395220...