为了提高网络入侵检测率,提出一种协同量子粒子群算法和最小二乘支持向量机的网络入侵检测模型(CQPSO-LSSVM)。将网络特征子集编码成量子粒子位置,入侵检测正确率作为特征子集优劣的评价标准,采用协同量子粒子群算法找到最优特征子集,采用最小二乘支持向量机建立网络入侵检测模型,并采用KDD CUP 99数据集进行仿真测试。结果表明,CQPSO-LSSVM获得了比其他入侵检测模型更高的检测效率和检测率。
随着对 SDN 架构开发和部署的不断深入,各类安全性问题也逐渐成为制约SDN 发展的关键因素。业界针对 SDN 安全的研究方向主要分为两大类:一类是使用 SDN 来加强和提升网络安全,主要是指 SDN 给传统的网络安全研究所带来的新思路和新解决方式;另一类是 SDN 自身安全,即对 SDN 体系架构本身所存在的安全问题进行研究。
适用大学生参考学习。
大创-大学生创新创业训练计划项目申报书-软件-基于机器学习的网络入侵检测与具备自动防御的SDN安全网络体系研究-参考