基于克隆选择与SVM的入侵检测算法
为了提高支持向量机(Support Vector Machines,SVM)算法的性能,降低训练和检测的时间,文中引入克隆选择算法(Clonal Selection Algorithm,CSA)对网络数据集和SVM的参数进行优化,并将该算法应用于入侵检测中,提出了基于克隆选择与SVM的入侵检测算法.算法利用克隆选择对SVM的参数进行优化,获得理想的取值,提高了SVM算法检测的精度;同时对网络数据集中的各个特征数据进行选择,从中提取出与入侵检测相关的关键特征集,然后使用包含关键特征集的数据代替原数据集进行算法的训练和入侵检测,大幅度减少了训练样本的规模,使支持向量机的训练和检测速度显著提高.采用KDDCUP99数据集进行试验,试验结果表明与传统方法相比,具有更高的准确率和更少的训练和检测时间.
入侵检测算法 网络数据集 支持向量机 克隆选择
时光 陈振国
华北科技学院计算机系,北京 101601
国内会议
杭州
中文
35-41
2015-11-11（万方平台首次上网日期，不代表论文的发表时间）