申请/专利权人:南京信息工程大学
申请日:2023-06-19
公开(公告)日:2023-08-29
公开(公告)号:CN116668151A
主分类号:H04L9/40
分类号:H04L9/40;G06F18/24;G06F18/214;G06N3/006
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.09.15#实质审查的生效;2023.08.29#公开
摘要:本发明涉及网络安全技术领域,公开了一种基于改进CSA优化SVM的网络入侵检测方法及装置,使用改进的自适应合成采样算法对小样本过采样处理使数据平衡;在CSA中引入拉丁超立方体、动态感知概率、莱维飞行和熵权法中的权重值得到ICSA;利用ICSA优化SVM参数,得到ICSA_SVM模型,即得到合理的核参数和惩罚因子来完成分类识别。本发明的有益效果为具有更好的收敛性和寻优性能,提高了入侵检测数据集的分类准确率并降低误报率。
主权项:1.基于改进CSA优化SVM的网络入侵检测方法,其特征在于,建立ICSA_SVM模型用于进行入侵检测数据集分类,包括以下步骤:对入侵检测数据集进行预处理,得到预处理后的训练集和测试集;对预处理后的训练集和测试集进行数据降维处理;在乌鸦搜索算法中引入拉丁超立方体、动态感知概率、莱维飞行以及熵权法中的权重值得到改进的乌鸦搜索算法,基于改进的乌鸦搜索算法对乌鸦位置更新公式的参数进行优化;采用降维处理后的训练集和基于改进的乌鸦搜索算法对乌鸦位置优化后的参数来训练SVM模型,优化SVM模型中的参数,构造出ICSA_SVM模型;将ICSA_SVM模型用于数据降维处理后的训练集,寻得的SVM模型的最优参数组合,生成训练后的ICSA_SVM入侵检测模型;使用训练后的ICSA_SVM入侵检测模型对数据降维处理后的测试集进行分类,得到分类结果。
全文数据:
权利要求:
百度查询: 南京信息工程大学 基于改进CSA优化SVM的网络入侵检测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。