基于树突细胞算法与对支持向量机的入侵检测
针对入侵检测技术在处理大规模数据时存在的高误报率、低训练速度和低实时性的问题,提出了一种基于树突细胞算法与对支持向量机的入侵检测策略(DCTWSVM).利用树突细胞算法(DCA)对威胁数据进行初始检测,在此基础上利用对支持向量机(TWSVM)进行检测结果的优化处理.为了验证策略的有效性,设计性能对比实验,实验结果表明,相较于DCA、支持向量机(SVM)、反向传播(BP)神经网络,DCTWSVM策略的检测精度提高了2.02％、2.30％、5.44％,误报率分别降低了0.26％、0.46％、0.90％,训练速度相较于SVM提高了两倍且只需耗费极少的训练时间,可以更好地适用于大规模数据下的实时入侵检测环境.
入侵检测 树突细胞算法 支持向量机 网络安全
梁鸿 葛宇飞 陈林 王雯娇
中国石油大学计算机与通信工程学院,山东青岛266580
国内会议
兰州
中文
3087-3091
2015-08-10（万方平台首次上网日期，不代表论文的发表时间）