人工蜂群算法优化支持向量机的网络入侵检测.pdf

MicrocomputerApplicationsVo1．33，No．1，2017 开发应用 微型电脑应用 2017年第33卷第 1期 文章编号 ：1007—757X(2017)01—0071—03 人工蜂群算法优化支持 向量机的网络入侵检测 谢伟增 (河南司法警官职业学院信息技术系，郑州 450046) 摘 要 ：支持 向量机参数直接影响网络入侵检测效果，为 了提高入侵检测的正确率 ，提 出了基于人工蜂群算法优化支持 向量 机 的网络入侵检测模型。将支持 向量机参数组合在一起 ，编码成为人工蜂群算法的蜜源 ，并将最高网络入侵检测率作为蜂群 的搜索方向，不断模拟蜂群寻找最优蜜源的过程实现参数优化 ，并根据最优参数设计 网络入侵检测的分类器 ，选择 KDDCUP 99数据集作为实验对象，结果表 明，模型可 以提高网络入侵检测的正确率 ，降低误报率 ，获得较优 的网络入侵检测效果 。 关键词 ：网络安全 ；入侵行为；支持 向量机参数 ；人工蜂群算法；分类器 中图分类号 ：TP391 文献标志码 ：A Network IntrusionDetectionBasedonSupportVectorM achineOptimizedby ArtificialBeeColonyAlgorithm XieW eizeng (DepartmentofInformationTechnology，HenanJudicialPoliceVocationalCollege，Zhengzhou450046，China) Abstract：Parametersofsupportvectormachinedirectlyaffecttheeffectofnetwork intrusion detection．In ordertoimprove correctrateofnetworkintrusiondetection，anetworkintrusiondetectionmodelbasedonsupportvectormachineoptimizedby artificialbeecolonyalgorithm isproposed．Firstly，theparametersofsupportvectormachinearecombinedtogetherandenco— dedtobeasourceofartificialbeecolonyalgorithm．Secondlythehighestnetworkintrusiondetectionrateistakenassearchdi— rectionofbeecolony，andoptimum parametersareobtainedbysimulatingbeecolonysearchingnectarsource．Networkintru— siondetectionclassifierisdesignedaccordingtOtheoptimalparameters．Finally，KDD CUP 99datasetisusedasresearchob— jeetandthesimulationexperimentiscarriedout．Theresultsshowthattheproposedmodelcanimprovethecorrectrateofnet— work intrusiondetectionandreducefalsedetectionrate，SOitcanobtainbetternetwork intrusiondetectioneffect． Keywords：Networksecurity；Intrusionbehavior；Supportvectormachineparameters；Artificialbeecolonyalgorithm；Classifier 基于 SVM 的入侵检测研究领域必须解决的难题 ，当前参数 O 引言 优算法主要有遗传算法 (GA)、蚁群优