论文部分内容阅读
为提高网络入侵检测效果，提出一种结合混沌粒子群优化（CPSO）算法和最小二乘支持向量机（LSSVM）的网络入侵检测模型。将网络特征和LSSVM参数编码成二进制粒子，根据网络入侵检测正确率和特征子集维数权值构造粒子群目标函数。通过粒子群找到最优特征子集和LSSVM参数，同时引入混沌机制保证粒子群的多样性，防止早熟现象的出现，从而建立最优网络入侵检测模型。采用KDD99数据集进行性能测试，结果表明，该模型不仅能获得最优特征子集和LSSVM参数，而且提高了入侵检测速度和正确率，降低了入侵检测误报率和漏报率。