量子粒子群和最小二乘支持向量机相结合的网络异常检测

姚晔

Chinese

您当前的位置：

首页 >

文章列表页 >

量子粒子群和最小二乘支持向量机相结合的网络异常检测

更新时间：2026-09-04

- 量子粒子群和最小二乘支持向量机相结合的网络异常检测
- Network Anomaly Detection by Combination of QPSO and LSSVM
- 微电子学与计算机 2012年29卷第3期页码：39-42
- 作者机构：
  
  辽宁行政学院,辽宁,沈阳,110161
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2012
- 稿件说明：
移动端阅览
姚晔. 量子粒子群和最小二乘支持向量机相结合的网络异常检测[J]. 微电子学与计算机, 2012, 29(3): 39-42.

YAO Ye. Network Anomaly Detection by Combination of QPSO and LSSVM[J]. 2012, 29(3): 39-42.
姚晔. 量子粒子群和最小二乘支持向量机相结合的网络异常检测[J]. 微电子学与计算机, 2012, 29(3): 39-42. DOI：

YAO Ye. Network Anomaly Detection by Combination of QPSO and LSSVM[J]. 2012, 29(3): 39-42. DOI：

摘要

为了提高网络安全性的异常入侵检测的准确率

提出一种量子粒子群算法 (QPSO) 优化最小二乘支持向量机 (LSSVC) 的网络异常检测方法 (QPSO-LSSVC) .首先利用量子粒子群处算法对LSSVC模型参数进行搜索

选出最优参数

然后采用泛化性能力优异的LSSVC对网络入侵进行建模和检测.选取KDDCUP99数据对QPSO-LSSVC性能进行测试

实验结果表明

QPSO-LSSVC提高了网络异常检测准确率

降低了误报率

为网络安全提供了有效保证.

Abstract

In order to improve the network security intrusion detection accuracy

proposes a quantum particle swarm optimization (QPSO) optimized least square support vector machine (LSSVC) network anomaly detection method (QPSO-LSSVC) .The first use of the quantum particle swarm algorithm for the parameters of LSSVC model search

optimal parameters

and then the generalization ability of excellent LSSVC modeling and detection for network intrusion.Select the KDDCUP99 data on QPSO-LSSVC performance testing

the experimental results show that

QPSO-LSSVC improves the network anomaly detection accuracy

reduce the rate of false positives

provides effective guarantee for network security.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于监控指标关联性的微服务异常检测

V型沟槽SiC中子探测器的蒙特卡洛分析

基于多尺度融合与小目标增强的航拍车辆检测算法

基于MSS-YOLO-MPHands融合架构的装配手部动作识别研究

大模型发展综述：从BERT到Deepseek的技术演进