基于CQPSO-LSSVM的网络入侵检测模型.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 20l5，51(2) 113 基于CQPSO．LSSVM 的网络入侵检测模型 张 拓 ，王建平 ZHANG Tuo，WANG Jianping 1．淮北职业技术学院 建筑工程系，安徽 淮北 235000 2．合肥工业大学 电气与 自动化工程学院，合肥 230009 1．DepartmentofArchitecturalEngineering，HuaibeiVocationalandTechnicalCollege，Huaibei，Anhui235000，China 2．SchoolofElectricalEngineeringandAutomation，HefeiUniversityofTechnology,Hefei230009，China ZHANG Tuo，W ANG Jianping．Network intrusion detection based on cooperativequantum-behaved particle swarm algorithm andleastsquaresupportvectormachine．ComputerEngineeringandApplications，2015，51(2)： 113—116． Abstract：Inordertoimprovethedetectionrateofnetworkintrusion．anovelnetworklntursiondetectionmodeliSpro- posed inthispaperbasedoncooperativequantum-·behavedparticleswarm optimizationalgorithm andleastsquaresup-- portvectormachine．ThefeautresubsetiScodedasthepositionofparticle．andthedetectionrateiStakenasevaluationcri— teriaofthefeaturesubset，andthecooperativequantum—behavedparticleswarm optimizationalgorithm isusedtofindthe optimalfeaturesubset，theintursiondetectionmodelisbuiltbasedontheoptimalfeaturesubsetbyleastsquaresupport vectormachine，thesimulationexperimentiscarriedoutontheKDD CUP99data．Theresultsshow that，comparedwith othermodels，theproposedalgorithm hasimproveddetectionefficiencyandthedetectionrateofthenetworkintrusion． Keywords：cooperativequantum—behavedparticleswarrrloptimizationalgorithm ；leastsquaresupportvectormachine； featureselection；networkintursiondetection 摘 要 ：为了提 高网络入侵检测率，提 出一种协 同量子粒子群算法和最小二乘支持 向量机的网络入侵检测模型 (COPSO．LSSVM)。将网络特征子集编码成量子粒子位置，入侵检测正确率作为特征子集优劣的评价标准，采用协 同量子粒子群算法找到最优特征子集，采用最小二乘支持向量机建立网络入侵检测模型，并采用KDD CUP99数 据集进行仿真测试。结果表明，CQPSO．LSSVM获得 了比其他入侵检测模型更高的检测效率和检测率。 关键词：协同量子粒子群算法；最小二乘支持向量机；特征选择；网络入侵检测 文献标志码 ：A 中图分类号 ：TP391 doi：10．3778／j．issn．1002．8331．1403．0459 随着网络规模越来越庞大 ，网络安全 日益严重，入 局部极值等 。分类器构建是网络入侵的第二步 ，同样 侵行为和类型呈多样化发展，提高网络入侵检测率具有 十分重要 ，当前主要有神经网络 、支持向量机 、最小二乘 一 定的现实和理论意义”。