粒子群算法及SVM网络入侵检测.docVIP

粒子群算法及SVM网络入侵检测 　　摘 要： 针对当前的神经网络检测算法在强干扰下的网络入侵检测准确拦截性不好的问题，提出一种基于粒子群算法和支持向量机的网络入侵检测方法。构建网络入侵的特征信号模型，采用二阶自适应格型IIR陷波器进行入侵信息的抗干扰处理；粒子群算法进行自适应寻优提取网络入侵特征的最优解，SVM进行入侵信息分类，实现网络入侵有效检测；并进行仿真测试。结果表明，采用该方法进行网络入侵检测的准确拦截概率较高，误检和漏检概率较低，保障了网络安全 关键词： 粒子群算法； 支持向量机； 网络入侵； 检测算法 中图分类号： TN711?34； TP393 文献标识码： A 文章编号： 1004?373X（2017）10?0031?04 Abstract： As the accuracy of the current neural network detection algorithm to detect and intercept network intrusion in strong interference is not high enough， a detection method based on particle swarm optimization algorithm and support vector machine to deal with the network intrusion is put forward， and the feature signal model of network intrusion is built. The two?order adaptive lattice IIR notch filter is adopted for anti?jamming processing of intrusion information. The particle swarm optimization algorithm is used to extract the optimal solution of network intrusion features in adaptive optimizing mode. SVM is employed for intrusion information classification to realize the effective detection of network intrusion. The simulation test results show that the method has high accurate intercepting probability and low false dismissal detection probability for network intrusion detection. It can guarantee the network security. Keywords： particle swarm optimization； support vector machine； network intrusion； detection algorithm 随着网络信息技术的快速发展，大量的信息数据通过网络实现信息传输和信息存储，网络安全受到人们的极大关注，网络安全分为网络系统安全和网络信息安全。网络安全防御过程就是一个信息对抗和反对抗的过程，网络攻击者通过植入病毒进行网络攻击入侵，网络防御者通过信息检测技术进行入侵检测，实现病毒入侵的识别[1]。为了提高网络安全检测性能，本文提出一种基于粒子群算法和支持向量机的网络入侵检测方法，通过算法设计和仿真测试分析，提高网络入侵的检测能力 1 网络入侵信号分析 1.1 网络入侵时间尺度响应计算 为了实现对网络入侵的准确检测，先构建网络入侵信号采样和传输模型[2?3]，并结合时间序列分析方法，进行网络入侵信号的统计分析。网络入侵信号是一组非线性时间序列，可以采用非线性时间序列分析方法进行特征分析和检测，结合统计信息采样和时间序列分析[4]，得到网络入侵信号结构模型为： 1.2 抗干扰处理 设计二阶自适应格型IIR陷波器进行网络入侵的抗干扰处理，二阶自适应格型IIR陷波器结构模型如图1所示 和网络空间中分布的有用信息共同构成；y（k）为网络入侵信号经过二阶格型陷波器滤波后的输出。通过k次迭代，选择适当的相位[θ1k]，使[y（k）φ*（k）]最小；通过粒子群算法进行频率参数[a]和带宽参数[r]的自适应调整，进行网络病毒入侵信息检测的抗干扰滤波时，令自适应权值[w0=0]，得到匹配滤波检测的抽头系数