麻雀搜索算法改进LSSVM的网络入侵检测

Network Intrusion Detection Based On LSSVM Improved by Sparrow Search Algorithm

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：针对最小二乘支持向量机模型进行网络入侵检测的性能受其控制参数设定的影响,为提高网络入侵检测的精度,提出一种基于麻雀搜索算法优化 LSSVM 模型控制参数的网络入侵检测模型.与 PSO-LSSVM 模型、GA-LSSVM 模型、GWO-LSSVM 模型和 LSSVM 模型相比,SSA-LSSVM模型的网络入侵检测精度最高,可以实现网络入侵的高精度检测,为网络安全维护和增强入侵检测功能提供科学参考.

外文摘要：The performance of the Least Squares Support Vector Machine model in network intrusion detection is directly affected by the penalization parameters,so a network intrusion de-tection model based on LSSVM model is improved by sparrow search algorithm for higher accura-cy.Compared with PSO-LSSVM model,GA-LSSVM model,GWO-LSSVM model and LSSVM model,the SSA-LSSVM model has the highest accuracy of network intrusion detection.SSA-LSSVM can achieve high-precision network intrusion detection,and provide decision-making ba-sis for network security maintenance and enhance intrusion detection function.

外文关键词：

intrusion detectionsparrow search algorithmleast squares support vector ma-chinerecall rateaccuracy rate

作者：

毛一鸣、程艳艳

展开 >

作者单位：

郑州工业应用技术学院信息工程学院,河南郑州 451100

关键词：

入侵检测麻雀搜索算法最小二乘支持向量机召回率精确率

基金：

2022年教育部高等教育司产学合作协同育人资助项目河南省高等教育教学改革研究与实践项目河南省大中专院校就业创业课题

项目编号：

2205051152505222021SJGLX616JYB2023094

出版年：

2024

DOI：

10.14152/j.cnki.2096-191X.2024.04.010

太原学院学报(自然科学版)

太原大学教育学院

太原学院学报(自然科学版)

CHSSCD

影响因子：0.315

ISSN：1673-7016

年,卷(期)：2024.42(4)