文献类型：期刊文章

作　　者：陈晨[1,2] 刘曙[1] 王艺菲[1] 宋亚飞[1] 祝彦[2]

CHEN Chen;LIU Shu;WANG Yifei;SONG Yafei;ZHU Yan(Air Defense and Antimissile School,Air Force Engineering University,Xi’an 710051,China;Xi’an Satellite Control Center,Xi’an 710043,China)

机构地区：[1]空军工程大学防空反导学院,西安710051 [2]西安卫星测控中心,西安710043

出　　处：《空军工程大学学报（自然科学版）》

基　　金：国家自然科学基金(61703426,61806219,61876189);陕西省高校科协青年人才托举计划(20190108);陕西省创新能力支撑计划(2020KJXX-065)。

年　　份：2022

卷　　号：23

期　　号：2

起止页码：97-105

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对SVM算法的核函数及参数选择不科学会导致检测的准确率比较差的问题,提出了一种融合粒子群搜索的灰狼优化算法,利用PSOGWO算法优化SVM的参数,确定SVM分类器的最优检测模型,并基于NSL-KDD数据集进行对比实验。结果表明:基于PSOGWO-SVM的入侵检测方法实现了SVM的参数最优化,而且在检测率、收敛速度、模型平衡性等方面有明显提升,该方法在网络入侵检测方面具有更好的性能。

关 键 词：入侵检测 粒子群优化算法 灰狼优化算法  支持向量机  参数优化

分 类 号：TP393.08]