基于树突细胞算法与对支持向量机的入侵检测

来源：计算机应用杂志2015年第11期北京时间：

作者：梁鸿, 葛宇飞, 陈林, 王雯娇

单位：中国石油大学 计算机与通信工程学院, 山东 青岛 266580

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.

关键词：树突细胞算法,对支持向量机,入侵检测,大数据

基金资助：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).