典型文献
基于互信息和GWB-LSSVM的网络攻击检测模型
文献摘要：
检测和识别网络攻击对于防范高级可持续威胁等网络攻击行为、促进网络基础设施健康发展,保障网络设施安全稳定运行至关重要.本文利用互信息理论完成了网络流量数据中网络攻击行为的关键特征的选取,通过改进灰狼优化算法提出一种灰狼提升算法,并基于该算法和最小二乘支持向量机提出了 GWB-LSSVM模型,该模型针对当前主要网络攻击形式显示出良好的检测性能,基于NSL-KDD数据集的实验结果表明其检测精度、检测率和检测准确率分别达到了 99.7％、99.3％和99.1％;同部分已有研究工作相比,其检测精度最高提升约2.58％,检测率最高提升约3.98％,准确率最高提升约3.78％,训练时间最高提升约55.9％.
文献关键词：
攻击检测;灰狼提升算法;特征选择;互信息理论;最小二乘支持向量机
中图分类号：
作者姓名：
赵嘉;谷良;吴瑶
作者机构：
国网山西省电力公司信息通信分公司 太原030000
文献出处：
引用格式：
[1]赵嘉;谷良;吴瑶-.基于互信息和GWB-LSSVM的网络攻击检测模型)[J].电子测量技术,2022(24):98-104
A类：
灰狼提升算法
B类：
GWB,LSSVM,网络攻击检测,检测模型,检测和识别,识别网络,高级可持续威胁,网络攻击行为,进网,网络基础设施,保障网络,网络设施,安全稳定运行,行至,互信息理论,网络流量,流量数据,中网,关键特征,改进灰狼优化算法,最小二乘支持向量机,形式显示,检测性能,NSL,KDD,检测精度,检测率,检测准确率,训练时间,特征选择
AB值：
0.371713
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
