非线性时变PSO优化SVM的入侵检测方法OACSTPCD

针对现有使用时变粒子群算法(TVCPSO)优化支持向量机(Support Vector Machines,SVM)对网络流量数据进行入侵检测的方法存在的粒子搜索能力不足等问题,提出了一种非线性时变粒子群算法优化SVM参数的入侵检测方法。该方法首先融合ReliefF算法与信息增益算法对网络流量数据进行特征降维,然后通过非线性学习因子和自适应权重改进时变粒子群算法优化支持SVM,最后通过SVM完成网络流量的检测。NSL-KDD上的结果表明论文方法达到了97.86%的准确率、97.67%的检测率和2%的误报率,验证了方法的有效性。