基于cmabc参数优化的svm多分类入侵检测方法研究-计算机技术专业论文.docxVIP

II 万方数据 广西大学学位论文原创性和使用授权声明本人声明所呈交的论文，是本人在导师的指导下独立进行研究所取得 广西大学学位论文原创性和使用授权声明 本人声明所呈交的论文，是本人在导师的指导下独立进行研究所取得 的研究成果。除己特别加以标注和致谢的地方外，论文不包含任何其他个 人或集体已经发表或撰写的研究成果，也不包含本人或他人为获得广西大 学或其它单位的学位而使用过的材料。与我一同工作的同事对本论文的研 究工作所做的贡献均已在论文中作了明确说明。 本人在导师指导下所完成的学位论文及相关的职务作品，知识产权归 属广西大学。本人授权广西大学拥有学位论文的部分使用权，即：学校有 权保存并向国家有关部门或机构送交学位论文的复印件和电子版，允许论 文被查阅和借阅，可以将学位论文的全部或部分内容编入有关数据库进行 检索和传播，可以采用影印、缩印或其它复制手段保存、汇编学位论文。 本学位论文属于： 口保密，在 年解密后适用授权。 | ＼由不保密。 (请在以上相应方框内打“√”) 论文作者签名： 支J、够 日期： 砌步／2，应 指删币繇稃鸯铭 日期加州u乙 作者联系电话： l 27口刁／9y分口占 电子邮箱： ‰恻9驴多影留伊莎彬 III 万方数据 JV 万方数据 基于CMABC参数优化的SVM多分类入侵检测方法研究摘要 基于CMABC参数优化的SVM多分类入侵检测方法研究 摘要 随着互联网络的发展，信息安全越来越受到人们的重视，入侵检测技 术己经成为信息安全中一项非常重要的技术。支持向量机(Support Vector Machine，SvM)能克服入侵检测系统中普遍存在的检测率低、误报率高的问 题，非常适合用于入侵检测系统。 针对SVM的参数选择决定了它的学习性能和泛化能力，其性能很大程 度上取决于参数惩罚因子f和核参数毋本文分析了参数之间的关系和它们 对SVM性能的影响，在人工蜂群算法的基础上引入交叉突变算子，提出基 于交叉突变的人工蜂群优化SVM的算法。人工蜂群(Artifical bee colony，ABC)算法是一种新的群智能优化算法，模拟自然界蜜蜂采蜜的过 程，蜜蜂根据不同的分工完成各阶段的任务，通过食物源信息的收集与共 享寻找问题的最优解，它具有参数少、实现简单等优点，交叉算子的引入 有效的减少了陷入局部最优解的风险。 传统SVM是解决二分类问题，不能满足多分类入侵检测的需要，本文 分析了常用的多分类SVM方法，对于基于二叉树的SVM多分类算法在分类 效果上的不足，根据类的分离性测度来构建有效的二叉树结构，并将多分 类问题合理转换为二分类问题，并结合入侵检测的数据特征提出分层的结 构，有效的提高了多分类SVM入侵检测的检测效率。 万方数据 关键字：入侵检测参数优化支持向量机多类分类检测率VI 关键字：入侵检测参数优化支持向量机多类分类检测率 VI 万方数据 RESEARCH RESEARCH ON MUl月I．CLASSIFICATION SVM INTRUSION DETECTION BASED ON CM队BC PARAMETER OPTIMIZ』U【’IoN ABSTRACT W曲the development of the Intemet,people pay more attention on information security,intrusion detection technology has become an important information security technology,it has become a new focus in recent years． However,most existing intrusion detection system exist the problem of low speed，low detection rate．Suppoa Vector Machine Can overcome the shortcomings of traditional classification algorithm，it is very suitable for intrusion detection system． For SVM parameters choice determines its learning and generalization ability，its performance largely depends on the parameters penalty factor C and kernel parameter g．This paper analyzes the relationship between parameters