改进WOA算法优化SVM的网络入侵检测

基于支持向量机(SVM)的网络入侵,因SVM参数设置不当导致分类准确率偏低的问题,提出改进二进制鲸鱼算法优化支持向量机(IBWOA-SVM)的网络入侵检测。通过对鲸鱼优化算法中收敛因子的改进和更新机制融入粒子群策略的方式,改善其容易陷入局部最优且收敛精度慢的缺点。对初始化参数群采用改进二进制鲸鱼优化算法的更新机制不断地进行更新迭代,迫使鲸鱼搜索代理获取较优的参数值来建立性能较优的分类模型,进而提高网络入侵检测的分类性能。采用多个UCI数据集并与其他的参数优化方法进行对比,最后使用网络入侵检测KDD CUP 99数据集进行验证。结果表明,与遗传算法、粒子群算法和鲸鱼优化算法在SVM参数优化上的性能相比,IBWOA-SVM方法的分类准确率和适应度值在各数据集上都有所提高,从而有利于改善网络入侵检测参数优化中的分类性能。     

混沌免疫克隆选择规划的网络入侵检测

针对目前随机产生候选检测器的方式存在亲和度较低的问题。根据克隆选择的原理,对获取的入侵检测数据包进行预处理,对提取的属性采用归一化实数编码,应用混沌原理和抗原的先验知识产生亲和度高的候选检测器集合。根据检测器亲和度的不同,采用了不同的变异算子与进化策略,使算法不仅在保持高检测率下,降低了漏报率,且有效地提高了检测器进化速度。     

网络入侵检测模型的研究

从定义入手，分析了MIDS网络入侵检测模型的一般特点，并进行了形象化的描述．在此基础上，提出一种全新的网络入侵检到模型—神经网络模型．     

基于BP网络算法的入侵检测系统

基于入侵检测系统的工作流程,提出了改进的分布式入侵检测系统模型,并简单介绍了主要部分的功能。在此基础上,利用分类器实现网络信息的分类存储和警告。实验结果表明,该系统具有较强的实用性和推广价值。     

基于遗传算法的网络入侵检测系统设计

经过对入侵检测历史与现状的分析和对目前入侵检测技术的研究。本提出一种基于遗传算法的网络入侵检测系统模型。在分析引擎的设计上，采用了协议分析和遗传算法相结合的策略，使入侵检测的速度和准确性有了显提高。     

网络入侵检测系统的一种新模型

入侵检测技术IDS是一种主动保护自己免受攻击的一种网络安全技术。作为防火墙的合理补充，入侵检测技术能够帮助系统对付网络攻击，扩展了系统管理员的安全管理能力(包括安全审计、监视、攻击识别和响应)，提高了信息安全基础结构的完整性。本文通过对网络安全问题域和两类不同检测思想的论述与分析，在对早期网络入侵检测系统模型的分析上的基础上，提出了一种新型入侵检测模型，从而尽最大可能减少误报和漏报情况的发生，大大提高入侵检测系统的有效性。     

网络入侵检测主要技术探讨

本文主要介绍了网络入侵检测系统,阐述了入侵检测系统的模型及分类,重点分析了入侵检测的主要技术,为进一步研究提供了参考。     

基于聚类算法的入侵检测模型设计

本文提出了一种基于数据挖掘方法的入侵检测模型,通过数据挖掘的聚类算法,提高入侵检测的时效性与准确性。     

基于混合模型的入侵检测系统设计

随着Internet的高速发展,网络安全问题越来越引人注目,入侵检测系统越来越多地引起了人们的重视.本文提出一个基于混合模型的入侵检测系统,从系统调用,审计日志,网络协议三个层次,分析数据特征,建立相应的检测模型.使系统既可以检测新的攻击,又可以具有较低的误警率.     

基于ANFIS乌鸦搜索算法的网络入侵检测性能的优化

入侵检测系统(IDS)用于检测网络或系统中的异常情况,对网络安全起着至关重要的作用.为降低误报率(FAR),提出了一种基于自适应神经模糊推理系统的乌鸦搜索优化算法(CSO-ANFIS).基于NSL-KDD数据集的入侵检测结果表明,所提模型检测率为95.80%,FAR为3.45%.     

BP神经网络在入侵检测中的改进设计

在收集到原始数据后,如何对这些数据进行有效分析及报告结果一直是入侵检测领域中研究的重点,并因此形成了多种ID方法。本文提出了一个ID模型,提出了一种改进训练算法,对模型的核心组成部分进行了分析、设计和实现,并进行了相关实验。     

一种新的混沌免疫优化算法

结合混沌优化算法与免疫算法的特点,提出了一种新的混合优化方法———混沌免疫优化算法.该算法综合了免疫算法与混沌优化算法在各自的空间搜索优势,充分利用免疫算法的记忆库中当代最优解指导混沌搜索。实验结果表明,该算法具有较强的搜索能力和收敛性能,算法有效可行。     

基于人工免疫的网络入侵检测算法研究进展

从生物免疫的基本原理出发,概述了人工免疫基础上的网络入侵检测原理及应用情况,包括自体集、错误耐受和自适应性等方面的应用;着重对人工免疫匹配的基本算法做了细致的讨论,指出了各种算法的异同及侧重方向;最后,根据当前算法存在的问题,提出了大负载情况下的算法设计思路,并展望了今后的研究热点和工作重心。     

基于蚁群聚类算法的数据挖掘技术在网络入侵检测中的应用研究

本文对入侵技术和聚类算法进行分析,明确相关技术在实践中存在的问题,在此基础上对变异因子进行分析,通过相关程序的计算,保证计算结果的准确性。然后把蚁群算法相关问题作为研究点,对蚁群算法的改进技术进行系统的探究。     

一种改进的粒子群算法研究

为了克服粒子群算法易发生早熟收敛、后期迭代速度较慢、易陷入局部最优的缺点,提出了一种改进的粒子群算法。该算法采用非线性动态自适应的更新权重,进一步提高收敛速度;通过引入差分进化算法中的交叉算子,以提高算法的全局探索能力,利用差分进化算法的变异策略产生候选解,克服种群多样性的下降,以跳出局部最优。利用该算法对2个测试函数进行寻优,仿真结果表明,文章提出的算法是一种收敛速度快、收敛精度高的全局寻优算法。     

基于改进粒子群算法的PID参数优化研究

PID控制是典型的工业控制,其核心内容是PID参数优化。为解决参数优化时不能确保得到最佳性能且耗时问题,通过改进粒子群算法学习因子,研究基于相等随机因子粒子群算法的PID参数优化,将其与标准的粒子群算法及迭代次数线性变化的学习因子进行比较。仿真结果表明,该算法性能指标tr、ts、δ%分别为1.782、3.285、14.07%,两种对比算法的tr、ts、δ%分别为1.804、4.825、24.33%和1.802、4.135、16.56%,改进算法提高了PID参数的稳定性、收敛速度和搜索精度,性能指标更优。     

网络入侵检测技术研究

入侵检测被认为是防火墙之后的第二道安全闸门,在不影响网络性能的情况下能对网络进行监测,从而提供对内部攻击、外部攻击和误操作的实时保护。介绍了入侵检测系统的概念、技术、设计及发展趋势。     

基于关联规则的入侵检测方法

针对关联规则Apriori算法存在的局限性,提出了利用杂凑树结构来存储侯选项集,以减少存储空间.同时通过一定的规则属性忽略一些数据来减少扫描的事务数据量以提高检测的速度.通过KDD CUP 1999数据集进行测试,证明了该算法的有效性.     

基于人工鱼群算法的复杂系统可靠性优化

由于复杂系统可靠性函数常常具有非线性的特点,因此设计既要满足可靠度又要使系统成本最小,成了优化设计中的难点。针对这一问题,提出了基于群体智能-人工鱼群算法（Artificial Fish School Algorithm,AFSA）的优化方法。给出了基于鱼群算法的可靠性的求解策略,详细探讨了鱼群算法在系统的可靠性优化计算中应用的可行性．并对非串-并联系统的可靠性分配的可靠性优化设计问题进行分析计算。结果表明该算法具有较强的局部搜索能力和较高的搜索效率,论证了该算法在复杂系统可靠性优化中的可行性和有效性。