为了提高网络入侵检测率，提出一种协同量子粒子群算法和最小二乘支持向量机的网络入侵检测模型（CQPSO-LSSVM）。将网络特征子集编码成量子粒子位置，入侵检测正确率作为特征子集优劣的评价标准，采用协同量子粒子群算法找到最优特征子集，采用最小二乘支持向量机建立网络入侵检测模型，并采用KDD CUP 99数据集进行仿真测试。结果表明，CQPSO-LSSVM获得了比其他入侵检测模型更高的检测效率和检测率。
2022-08-04 09:22:10
549KB
1
随着对 SDN 架构开发和部署的不断深入,各类安全性问题也逐渐成为制约SDN 发展的关键因素。业界针对 SDN 安全的研究方向主要分为两大类：一类是使用 SDN 来加强和提升网络安全，主要是指 SDN 给传统的网络安全研究所带来的新思路和新解决方式；另一类是 SDN 自身安全，即对 SDN 体系架构本身所存在的安全问题进行研究。
适用大学生参考学习。
大创-大学生创新创业训练计划项目申报书-软件-基于机器学习的网络入侵检测与具备自动防御的SDN安全网络体系研究-参考
2022-06-22 11:05:58
256KB
1
针对遗传算法局部搜索能力弱和收敛速度慢，在选择操作之后加上了禁忌搜索算法，并对交叉操作进行改进，最后用禁忌搜索作为变异操作，从而加快算法的收敛速度，并用此改进的遗传算法来优化BP神经网络的权值。实验证明，采用该方法优化BP神经网络权值，能克服BP神经网络收敛速度慢、局部极小问题。
2022-06-08 09:30:21
453KB
1
smote的matlab代码SGM-CNN
一种将类不平衡处理与深度学习相结合的基于流的网络入侵检测模型：SGM-CNN。
版权所有：黄璐璐、张红波（郑州大学信息工程学院）
本次NIDS的两位贡献者是Lulu
Huang女士和SN
ENGR。
张红坡（）。
如果您有任何问题，请随时给我们发送电子邮件。
请引用我们的论文，以防您发现我们的工作有用。
(1)
Hongpo
Zhang、Lulu
Huang、Chase
Q.
Wu
和
Zhanbo
Li：一种基于
SMOTE
和高斯混合模型的有效卷积神经网络，用于不平衡数据集中的入侵检测。
计算机网络
(2020),
doi:10.1016/j.comnet.2020.107315
(2)
Hongpo
Zhang,
Chase
Q.
Wu,
Shan
Gao,
Zongmin
Wang,
Yuxiao
Xu
and
Yongpeng
Liu:
An
Effective
deep
learning
based
scheme
for
network
intrusion
detection,
in:
2018
24th
Internationa
2022-05-23 09:24:45
341KB
1