中教数据库 > 火力与指挥控制 > 文章详情

改进磷虾群算法优化ELM的入侵检测

【摘要】摘要:泛滥的网络攻击严重威胁网络信息安全。入侵检测系统的高效性、鲁棒性等则尤为重要。针对极限学习机ELM的性能过分依赖于众多隐层节点的单隐层前馈神经网络SLFN的问题,提出基于改进磷虾群算法的极限学习机(IKH-ELM)的入侵检测算法。此算法减少隐层节点数为类别数,并利用IKH优化节点的权值和偏置,使ELM的决策性能显著上升。KDD99数据集实验表明:与原始ELM相比,IKH-ELM构造的仅5个节点的SLFN的泛化性能优势明显。与BP、SVM等算法相比,IKH-ELM算法能快速训练并有更高的检测正确率。

【关键词】

46 2页 免费 知网
推荐文献

基于粒子群优化的聚类入侵检测算法

【摘要】为了在人侵检测中有效地克服传统的K均值算法易陷人局部极小值的缺点,使算法具有较好的全局收敛性,将粒 子群优化算法应用于人侵检测,给出了基于粒子群优化的K均值聚类算法.通过理论分析及实验,验证了基于粒子群优化 K均值聚类算法的有效性.对KDD CUP99数据集仿真,实验结果表明,该算法在人侵检测中能获得理想的检测率和误 检率.

《江苏科技大学学报(自然科学版)》 | 2009年1期 | 李永忠

0 2 5 免费 收藏

基于改进蚁群算法与遗传算法组合的网络入侵检测

【摘要】<p>为提高网络入侵检测的检测效果,提出一种基于改进蚁群算法与遗传算法组合的网络入侵检测方法。该<br/>方法采用遗传算法(geneticalgorithm,GA)对网络入侵的特征集进行快速选取,为后续特征提取打下基础;对传统<br/>蚁群算法(antcolonyoptimization,ACO)的节点选择策略和信息素更新策略进行改进,提出一种改进的蚁群算法,<br/>提高对最优特征的选择效果,采用改进的蚁群算法对特征进一步选择;采用支持向量机(supportvectormachine,<br/>SVM)统计机器学习方法建立各类网络入侵的检测分类器。仿真实验结果表明,新的网络入侵检测方法综合GA和<br/>改进蚁群算法的优势,能够获得更好的入侵特征,从检测正确率、误报率和漏报率3个方面综合比较,新的网络入<br/>侵检测方法具有更好的网络入侵检测效果,且提高了检测速率。</p>

《重庆邮电大学学报(自然科学版)》 | 2017年1期 | 袁琴琴

0 18 6 免费 收藏

基于蚁群算法和改进SSO的混合网络入侵检测方法

【摘要】<p>针对一般网络入侵检测方法在不断增加复杂攻击和恶意软件的网络环境下,难以有效保护网络的问题,提<br/>出了一种混合入侵检测方法。<br/></p>

《重庆邮电大学学报(自然科学版)》 | 2016年3期 | 夏栋梁

0 63 2 免费 收藏

改进CUSUM算法的工控系统入侵检测方法

【摘要】为准确检测工业控制系统的入侵行为,使系统能够及时对入侵攻击做出响应,提出一种改进CUSUM算法的入侵 检测方法。分析工业控制系统信息安全特点,将工业控制系统中传感器获取的实际值和模型的预测值之间的差值作为统计 序列;利用该差值序列改进CUSUM算法,引入30原则,设计选取参数(3和 r 的方法;将该方法应用于液位控制系统环 境,验证其有效性。实验结果表明,该方法能够准确地检测出入侵行为,其误报率较低,检测速度快,适用于工业控 制系统。

《计算机工程与设计》 | 2018年11期 | 魏战红

0 56 2 免费 收藏

基于改进蝙蝠算法的工业控制系统入侵检测

【摘要】<p>:蝙蝠算法(BA)易陷入局部极小的缺点,提出了两点改进:(1)在蝙蝠位置更新时考 虑了当前局部最优解分布对算法的影响;(2)将差分进化算法(DE)中的变弄操作迁移到蝙蝠算法 中,采用随机性变弄的方式增加了种群多样性,提升了算法局部搜索能力,并通过典型测试函数验 证了本文算法的优越性。将该算法用于工业控制系统(IC S)入侵检测中支持向量机(S VM)分类器 的参数优化,使用工控入侵检测标准数据集进行仿真研究。结果表明,与DE、粒子群算法(PSO)和 遗传算法(G A)等优化算法相比,其优化的S V M入侵检测模型在检测率、漏报率和误报率等指标 上都有显著提升。</p><p><br/></p>

《华东理工大学学报(自然科学版)》 | 2017年5期 | 李金乐

0 70 7 免费 收藏

一种改进的鸟群优化算法

【摘要】针对鸟群算法在求解高维复杂问题时常常陷入局部最优解,尤其在鸟群觅食的过程中总是出现“早熟”的现象,提出一种改进的鸟群算法。将惯性粒子和模糊推理引入觅食过程,使那些正在觅食的鸟跳出局部最优解以增强全局寻优的能力。随着算法迭代次数的增加,逐渐减小飞行状态中的生产者对乞讨者的影响,从而使影响因子不断减小;然后用Gauss混沌映射对算法进行扰动,增加算法的多样性;最后用4种算法的6个测试函数进行数值仿真。数值试验结果证明了本文算法具有较强的收敛速度和收敛精度。

《重庆理工大学学报(自然科学版)》 | 2018年4期 | 史旭栋

0 9 免费 收藏

引入前景检测的TLD改进算法

【摘要】<p>针对TLD(tracking-learning-detection) 跟踪算法在检测模块中需要使用滑动窗口的方式检测大量的子窗口图像,其运算复杂度<br/>较高,本文在原始TLD 算法的检测模块之前引入了前景检测,减少了后续检测的窗口样本。改进算法在时间复杂度上有所降低并通过实验验<br/>证了改进算法的可行性。</p>

《山东工业技术》 | 2016年9期 | 焦蓬斐

0 29 2 免费 收藏

一种改进的粒子群优化算法

【摘要】<p>粒子群优化算法是一种基于仿生技术的启发式算法,针对粒子群优化算法存在易早 熟现象,提出一种改进的粒子群优化算法.该算法给出了一种新的变异算子,该算子具有一定探 索和开发能力,从而避免算法陷入局部最优.基于新变弄算子给出一个新的粒子位置更新公式. 根据系統稳定性理论,推出了算法的参数设置区域.最后,通过标准测试函数的性能测试,验证 了改进粒子群优化算法收敛速度和求解精度.实验结果表明,该算法具有较好的收敛速度和求 解精度.</p>

《渤海大学学报(自然科学版)》 | 2017年2期 | 钱伟懿

0 93 4 免费 收藏

期刊推荐

Copyright © 2013-2016 ZJHJ Corporation,All Rights Reserved

京ICP备15058941号-1

京公网安备 11011102000866号