|
基于IPSO-SVM算法的網(wǎng)絡入侵檢測方案研究
楊力 2022/3/28 20:50:48
（接上頁）
為了檢驗本文提出的IPSO-SVM入侵檢測方案可靠性，本文以SVM模型作為對照組，選取5個樣本包作為檢測對象展開檢測，統(tǒng)計檢測結(jié)果。
2、入侵檢測結(jié)果分析
（1）入侵類別識別檢測
模擬網(wǎng)絡端口中3個數(shù)據(jù)包存在網(wǎng)絡入侵攻擊，實際結(jié)果和檢測結(jié)果如表1所示。
表1 入侵類別識別檢測結(jié)果統(tǒng)計
模型 評價指標 樣本包1 樣本包2 樣本包3 樣本包4 樣本包5
SVM 檢測結(jié)果 無入侵攻擊 無入侵攻擊 無入侵攻擊 無入侵攻擊 本地超級權限訪問攻擊
實際結(jié)果 掃描攻擊 無入侵攻擊 遠程網(wǎng)絡攻擊 無入侵攻擊 本地超級權限訪問攻擊
IPSO-SVM 檢測結(jié)果 掃描攻擊 無入侵攻擊 遠程網(wǎng)絡攻擊 無入侵攻擊 本地超級權限訪問攻擊
實際結(jié)果 掃描攻擊 無入侵攻擊 遠程網(wǎng)絡攻擊 無入侵攻擊 本地超級權限訪問攻擊
觀察表1中的檢測結(jié)果可知，SVM檢測結(jié)果中兩個樣本包檢測出現(xiàn)錯誤，未能檢測出樣本包1的掃描攻擊、樣本包3的遠程網(wǎng)絡攻擊。相比之下，IPSO-SVM模型檢測結(jié)果更為精準，5個樣本包的入侵情況均得以正確檢測。除了樣本包2和樣本包4以外，其他3個樣本包均遭受網(wǎng)絡入侵，檢測結(jié)果與實際結(jié)果相符。因此，本文設計的IPSO-SVM模型在網(wǎng)絡入侵檢測中應用的優(yōu)勢更大。
（2）不同模型入侵檢測
本實驗統(tǒng)計兩種模型在5個樣本包中入侵檢測結(jié)果，分別統(tǒng)計5個樣本包中的數(shù)據(jù)檢測結(jié)果，包括正確率、漏報率、誤報率，結(jié)果如表2所示。
表2 不同模型入侵檢測結(jié)果統(tǒng)計
模型 評價指標 樣本包1 樣本包2 樣本包3 樣本包4 樣本包5
SVM 正確率 82.01% 82.36% 83.14% 83.09% 82.54%
漏報率 17.99% 17.64% 16.86% 16.91% 17.46%
誤報率 6.22% 5.98% 6.11% 6.28% 6.35%
IPSO-SVM 正確率 94.25% 93.68% 95.22% 94.78% 95.03%
漏報率 5.75% 6.32% 4.78% 5.22% 4.97%
誤報率 1.03% 1.21% 0.93% 1.01% 0.88%
表1中，SVM模型應用下，5個樣本包入侵檢測最高正確率為83.14%，最低正確率為82.01%；5個樣本包入侵檢測最高漏報率為17.99%，最低漏報率為16.86%；5個樣本包入侵檢測最高誤報率為6.35%，最低誤報率為5.98%。IPSO-SVM模型應用下，5個樣本包入侵檢測最高正確率為95.22%，最低正確率為94.25%；5個樣本包入侵檢測最高漏報率為6.32%，最低漏報率為4.78%；5個樣本包入侵檢測最高誤報率為1.21%，最低誤報率為0.88%。與SVM模型相比，IPSO-SVM模型的入侵檢測正確率更高，漏報率和誤報率更低。所以，IPSO-SVM模型性能更佳，可以作為網(wǎng)絡入侵行為檢測工具。
總結(jié)
本文圍繞網(wǎng)絡入侵檢測方法展開探究，在SVM模型基礎上，提出IPSO-SVM模型的構(gòu)建研究。利用該模型設計一套網(wǎng)絡入侵檢測方案，該檢測方案是對樣本數(shù)據(jù)類型進行分類，按照不同類別樣本入侵行為特點，分別設置檢測對比標準。對數(shù)據(jù)采取預處理后，檢測樣本包中具備入侵特點的數(shù)據(jù)。實驗結(jié)果表明，本文提出的IPSO-SVM模型能夠準確識別入侵行為，檢測正確率在82%以上。
參考文獻
[1]陳卓,單欣欣.一種基于ALO-SVM算法的入侵檢測方法[J].現(xiàn)代電子技術,2020, 43(10):79-82.
[2]馬占飛,楊晉,金溢,等.基于IQPSO-IDE算法的網(wǎng)絡入侵檢測方法[J].計算機工程與應用,2019,55(10):115-120,204.
[3]付子爔,徐洋,吳招娣,等.基于增量學習的SVM-KNN網(wǎng)絡入侵檢測方法[J].計算機工程,2020,46(4):115-122.
[4]陳冬陽,彭道剛,張浩,等. KPCA-IPSO-OCSVM方法在工業(yè)控制系統(tǒng)入侵檢測中的應用[J].中國科技論文,2019,14(3):8.
[5]汪生,金志剛.基于模糊SVM模型的入侵檢測分類算法[J].計算機應用研究,2020, 340(2):187-190.
[6]代建建,陶洋,章思青.基于自步學習的無線傳感網(wǎng)入侵檢測集成算法[J].計算機工程與設計,2019,40(5):57-61,78.
[7]芶繼軍,李均華（未完，下一頁）
|