-
公开(公告)号：CN108462711B
公开(公告)日：2020-05-08
申请号：CN201810238631.5
申请日：2018-03-22
Applicant: 江南大学
Abstract: 本发明公开了一种余弦时变PSO‑SVM的入侵检测方法，属于网络信息安全技术领域。本发明方法先将包括正常样本和攻击样本的NSL‑KDD数据集和ADFA入侵检测数据集中的所有数据进行数值化处理，然后进行余弦时变PSO优化，再应用余弦时变PSO‑SVM进行误用检测。本发明与现有部分时变粒子群优化SVM模型相比，根据余弦函数非线性，改进时变粒子群算法在检测过程中的学习能力，精简余弦时变加速系数表达式，改进惯性权重的取值策略，提高对当前最优目标区域搜索的精细程度和搜索效率，从而加快时变PSO‑SVM入侵检测模型的收敛速度，有效地提高时变PSO‑SVM入侵检测模型的检测率。
-
公开(公告)号：CN108520272B
公开(公告)日：2020-09-04
申请号：CN201810238633.4
申请日：2018-03-22
Applicant: 江南大学
Abstract: 本发明公开了一种改进苍狼算法的半监督入侵检测方法，属于网络信息安全技术领域。本发明方法可以有效避免基本GWO算法易出现早熟收敛这一缺陷，平衡了GWO算法的全局探索和局部开发能力；利用云GWO算法优化K‑means算法来标记特征相似的数据，在少量人工标记数据的基础上，实现大规模准确标记训练数据集的生成，同时提出了未标记数据和标记数据的比例大小，避免了模型出现“欠拟合”和“过拟合”的现象，保证了模型的检测精度；同时，将优化后的半监督学习方法结合利用云GWO算法对单类支持向量机模型的参数进行优化，相比单方面的优化，本发明达到了更高的检测精度。
-
公开(公告)号：CN108520272A
公开(公告)日：2018-09-11
申请号：CN201810238633.4
申请日：2018-03-22
Applicant: 江南大学
Abstract: 本发明公开了一种改进苍狼算法的半监督入侵检测方法，属于网络信息安全技术领域。本发明方法可以有效避免基本GWO算法易出现早熟收敛这一缺陷，平衡了GWO算法的全局探索和局部开发能力；利用云GWO算法优化K-means算法来标记特征相似的数据，在少量人工标记数据的基础上，实现大规模准确标记训练数据集的生成，同时提出了未标记数据和标记数据的比例大小，避免了模型出现“欠拟合”和“过拟合”的现象，保证了模型的检测精度；同时，将优化后的半监督学习方法结合利用云GWO算法对单类支持向量机模型的参数进行优化，相比单方面的优化，本发明达到了更高的检测精度。
-
公开(公告)号：CN108462711A
公开(公告)日：2018-08-28
申请号：CN201810238631.5
申请日：2018-03-22
Applicant: 江南大学
Abstract: 本发明公开了一种余弦时变PSO-SVM的入侵检测方法，属于网络信息安全技术领域。本发明方法先将包括正常样本和攻击样本的NSL-KDD数据集和ADFA入侵检测数据集中的所有数据进行数值化处理，然后进行余弦时变PSO优化，再应用余弦时变PSO-SVM进行误用检测。本发明与现有部分时变粒子群优化SVM模型相比，根据余弦函数非线性，改进时变粒子群算法在检测过程中的学习能力，精简余弦时变加速系数表达式，改进惯性权重的取值策略，提高对当前最优目标区域搜索的精细程度和搜索效率，从而加快时变PSO-SVM入侵检测模型的收敛速度，有效地提高时变PSO-SVM入侵检测模型的检测率。
-
-
-
Search Results
4
records
(took 0.015 seconds)
