基于树突细胞算法与对支持向量机的入侵检测

作     者：梁鸿 葛宇飞 陈林 王雯娇 LIANG Hong;GE Yufei;CHEN Lin;WANG Wenjiao

作者机构：中国石油大学计算机与通信工程学院山东青岛266580 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2015年第35卷第11期

页      面：3087-3091页

学科分类：0839[工学-网络空间安全] 08[工学] 

基　　金：国家自然科学基金资助项目(61309024) 中央高校基本科研业务费专项资金资助项目(15CX02046A) 

主　　题：树突细胞算法 对支持向量机 入侵检测 大数据 

摘      要：针对入侵检测技术在处理大规模数据时存在的高误报率、低训练速度和低实时性的问题,提出了一种基于树突细胞算法与对支持向量机的入侵检测策略(DCTWSVM)。利用树突细胞算法(DCA)对威胁数据进行初始检测,在此基础上利用对支持向量机(TWSVM)进行检测结果的优化处理。为了验证策略的有效性,设计性能对比实验,实验结果表明,相较于DCA、支持向量机(SVM)、反向传播(BP)神经网络,DCTWSVM策略的检测精度提高了2.02%、2.30%、5.44%,误报率分别降低了0.26%、0.46%、0.90%,训练速度相较于SVM提高了两倍且只需耗费极少的训练时间,可以更好地适用于大规模数据下的实时入侵检测环境。