共查询到18条相似文献，搜索用时 171 毫秒
1.
基于支持向量机(SVM)的网络入侵,因SVM参数设置不当导致分类准确率偏低的问题,提出改进二进制鲸鱼算法优化支持向量机(IBWOA-SVM)的网络入侵检测。通过对鲸鱼优化算法中收敛因子的改进和更新机制融入粒子群策略的方式,改善其容易陷入局部最优且收敛精度慢的缺点。对初始化参数群采用改进二进制鲸鱼优化算法的更新机制不断地进行更新迭代,迫使鲸鱼搜索代理获取较优的参数值来建立性能较优的分类模型,进而提高网络入侵检测的分类性能。采用多个UCI数据集并与其他的参数优化方法进行对比,最后使用网络入侵检测KDD CUP 99数据集进行验证。结果表明,与遗传算法、粒子群算法和鲸鱼优化算法在SVM参数优化上的性能相比,IBWOA-SVM方法的分类准确率和适应度值在各数据集上都有所提高,从而有利于改善网络入侵检测参数优化中的分类性能。 相似文献
2.
3.
为了解决目前入侵检测技术准确率低、误报率高和无法检测新攻击类型等问题,研究了基于人工神经网络(ANN)的入侵检测技术,将径向基函数(RBF)网络应用于入侵检测研究中,并利用蛙跳算法（SFLA）对其参数进行优化,提高了入侵检测性能。 相似文献
4.
使用主成分分析的方法对数据集进行降维,将滑动窗口引入到贝叶斯网络分类算法中,从而得到改进的贝叶斯网络分类算法。实验证明,改进的算法能够有效地降低分类数据的维数,同时该算法建立的入侵检测模型能够更好地检测出已知的入侵攻击类型。 相似文献
5.
罗俊星 《绵阳师范学院学报》2023,(5):81-90
针对深度极限学习机DELM的输入权重和隐藏层偏置的随机初始化,从而影响入侵检测性能的问题,提出基于改进海鸥算法优化DELM的入侵检测方法ESCSOA-DELM.先运用精英反向策略初始化海鸥算法,再用改进正余弦算法和精英反向策略更新精英海鸥位置,以此对DELM的输入层权重和隐藏层偏置参数优化.通过标准测试函数,分析比较ESCSOA与SOA、GWO、PSO算法,验证了ESCSOA算法改进的有效性.基于天然气管道入侵数据集的实验结果表明,ESCSOA-DELM模型在准确率、误报率、漏报率、F1和ROC曲线等评价指标上优于其他模型,体现了较理想的入侵检测性能. 相似文献
6.
探讨了网络入侵检测中应用数据挖掘技术的可行性和必要性,提出一种基于数据挖掘的入侵检测系统模型,并对该模型中数据挖掘算法进行研究,提出该系统应用Apriori算法的改进思路,实现入侵检测自动化,提高检测效率和检测准确度。 相似文献
7.
8.
9.
10.
11.
基于模糊C均值的异常流量检测模型 总被引：1，自引：0，他引：1
李雪琴 《赣南师范学院学报》2009,30(6):89-91
对网络进行流量异常检测,流量出现异常后再对数据包进行分析,通过这种方法能够降低系统开销,聚类算法是一种有效的异常入侵检测方法,可用在网络流量异常检测中,用于判定当前网络流量是否出现异常,本文将模糊C均值算法应用于流量异常检测模型中,通过实验,该模型能够有效检测出流量的异常状态． 相似文献
12.
提出一种基于BP神经网络的异常入侵检测方法,由于BP神经网络是一种基于误差反向传播算法的多层前馈神经网络,具有对不确定性的学习与适应能力,可以很好的满足入侵检测分类识别的需求.对“KDD Cup 1999 Data”网络连接数据集进行特征选择和标准化处理之后用于训练神经网络并仿真实验,得到了较高的检测率和较低的误报率.仿真实验表明,基于BP神经网络的入侵检测方法是有效的. 相似文献
13.
将数据挖掘技术应用到入侵检测中，来自动生成入侵检测规则，实现入侵检测系统的智能化，并实现了一个智能化网络入侵检测系统的模型，阐述了该系统模型的结构及主要功能。该模型为开放的系统模型，具有很好的可伸缩性，可大大减少使用入侵检测系统的代价，有效解决入侵检测系统的环境适应性问题。 相似文献
14.
针对RBF的参数选取的局限性造成检测效率低下的情况,提出一种PSO-RBF的算法,使用粒子群优化算法对RBF中权值、中心和方差三组参数进行优化设置,使三组参数的选择更加符合实际情况,提高了检测效率。将PSO-RBF算法应用到网络入侵检测识别系统中,结果表明该算法具有很好的检测率以及误报率,同时实验也证实了算法的可行性。 相似文献
15.
由于人工神经网络具有表征复杂输入输出系统的强大功能,将其用于城市道路交叉口的实时信号配时,是极有应用前景的尝试。文章采用三层人工神经网络建立城市道路交叉口信号配时模型,并把粒子群优化算法作为神经网络的学习算法。该算法具有极高的全局优化形态与计算效率。这种方法建立的模型将有助于降低交叉口的总延误,提高通行能力,使神经网络发挥更好的控制效果。 相似文献
16.
自适应动态入侵检测模型的研究 总被引：1，自引：0，他引：1
提出了将模糊控制和神经网络用于入侵检测的新方案．在该模型中神经网络训练模块可以不断地从模糊控制模块中获得攻击数据信息和正常数据信息,并根据这些信息进行自适应调整,更新权值和阈值,使整个智能入侵检测过程完全成为一个在实际应用中动态自适应的过程．实验结果表明．这种方案具有很高的准确检测率,对检测未知攻击具有较好的性能． 相似文献
17.
目前入侵检测系统在应对多目标协同攻击和时间分散攻击,没有很好的解决方法。在复杂的网络环境中,为了提高入侵检测系统的检测速度和精度,在研究现有入侵检测系统不足的情况下,提出了一种基于数据融合的入侵检测模型,实现了各个组成模块的功能。实验表明,该系统在减少系统的漏报率和误报率的情况下,可以应对一些复杂的攻击手段。 相似文献