结合SVM的交互式遗传算法在入侵检测中的应用

doi:10.3778/j.issn.1002-8331.2010.29.058

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (29): 200-202.DOI: 10.3778/j.issn.1002-8331.2010.29.058

• 图形、图像、模式识别 • 上一篇下一篇

结合SVM的交互式遗传算法在入侵检测中的应用

阚媛¹，刘以安²，薛潇²，魏敏³

江南大学信息工程学院，江苏无锡 214122

收稿日期:2009-03-03 修回日期:2009-05-04 出版日期:2010-10-11 发布日期:2010-10-11
通讯作者: 阚媛

Application of improved interactive genetic algorithm incorporated with SVM in intrusion detection

KAN Yuan¹，LIU Yi-an²，XUE Xiao²，WEI Min³

School of Information Engineering，Jiangnan University，Wuxi，Jiangsu 214122，China

Received:2009-03-03 Revised:2009-05-04 Online:2010-10-11 Published:2010-10-11
Contact: KAN Yuan

摘要/Abstract

摘要： 针对入侵检测中存在样本少、特征多、难于将实际经验与现有算法有机结合的问题，将交互式遗传算法应用到入侵检测技术中，并结合SVM的特点，设计出改进后的分类识别算法。实验证明，将SVM与交互式遗传算法相结合应用于入侵检测领域中，算法有效、可行，而且能获得很好的检测率。

关键词: 交互式遗传算法, 支持向量机, 入侵检测

Abstract: For the problems with few samples，a lot of characteristics and difficult to incorporate the practical experience and the existing algorithm，this paper applies the interactive genetic algorithm into intrusion detection technology，incorporates the characteristic of SVM，then designs the improved classified recognition algorithm.The experiment result proves that the improved interactive genetic algorithm incorporated with SVM in intrusion detection domain is effective，feasible，and can obtain very good detection rate.

Key words: Interactive Genetic Algorithm（IGA）, Support Vector Machine（SVM）, intrusion detection

中图分类号:

TP393.08

阚媛¹，刘以安²，薛潇²，魏敏³. 结合SVM的交互式遗传算法在入侵检测中的应用[J]. 计算机工程与应用, 2010, 46(29): 200-202.

KAN Yuan¹，LIU Yi-an²，XUE Xiao²，WEI Min³. Application of improved interactive genetic algorithm incorporated with SVM in intrusion detection[J]. Computer Engineering and Applications, 2010, 46(29): 200-202.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[3]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[4]	王振东，张林，李大海. 基于机器学习的物联网入侵检测系统综述[J]. 计算机工程与应用, 2021, 57(4): 18-27.
[5]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[6]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[7]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[8]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[9]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[10]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[11]	曹磊，李占斌，杨永胜，赵龙飞. 基于双层注意力神经网络的入侵检测方法[J]. 计算机工程与应用, 2021, 57(19): 142-149.
[12]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[13]	沈少禹，蔡满春，芦天亮，赵琪. 基于LFKPCA-DWELM的入侵检测方案[J]. 计算机工程与应用, 2021, 57(17): 130-137.
[14]	巩俊辉，胡晓辉，杜永文. 基于演化博弈的最优防御策略选取研究[J]. 计算机工程与应用, 2021, 57(13): 116-123.
[15]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.

结合SVM的交互式遗传算法在入侵检测中的应用

Application of improved interactive genetic algorithm incorporated with SVM in intrusion detection

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics