张璇;

• 1:安徽体育运动职业技术学院

摘要(Abstract)：

大数据量环境下为提高计算机网络入侵识别精准度，实现对更多的数据类别的识别，提出了一种新的网络入侵识别算法，利用该算法从中挖掘入侵行为数据。该算法在DBSCAN算法的基础上，引入SVM模型，开发出SVM-DBSCAN双训练器应用下的网络入侵识别模型，并配备运行程序。实验测试结果显示，该算法分类准确率大于96.78%,可以作为网络入侵识别工具。

关键词(KeyWords)： 模糊SVM模型;入侵识别;DBSCAN算法

Abstract:

Keywords:

基金项目(Foundation): 2020年安徽省质量工程教学研究项目“基于OBE理念的计算机基础课程教学改革探索：以安徽体育运动职业技术学院为例”(项目编号：2020jyxm0725)

作者(Authors): 张璇;

DOI: 10.16140/j.cnki.1671-5330.2022.05.028

参考文献(References)：

• [1]张康宁，廖光忠.基于改善Bagging-SVM集成多样性的网络入侵检测方法[J].东北师大学报(自然科学版),2020,52(4):53-59.
• [2]安磊，韩忠华，林硕，等.面向网络入侵检测的GAN-SDAE-RF模型研究[J].计算机工程与应用，2021,57(21):155-164.
• [3]余廷芳，张浩杰.基于SVM和RBF神经网络的CFB NOx生成预测模型[J].计算机仿真，2020,37(9):209-213.
• [4]陈卓，单欣欣.一种基于ALO-SVM算法的入侵检测方法[J].现代电子技术，2020,43(10):79-82.
• [5]付子爔，徐洋，吴招娣，等.基于增量学习的SVM-KNN网络入侵检测方法[J].计算机工程，2020,46(4):115-122.
• [6]钱亚冠，卢红波，纪守领，等.一种针对基于SVM入侵检测系统的毒性攻击方法[J].电子学报，2019,47(1):59-65.
• [7]马占飞，杨晋，金溢，等.基于IQPSO-IDE算法的网络入侵检测方法[J].计算机工程与应用，2019,55(10):115-120.
• [8]马超.基于ReliefF和改进乌鸦搜索优化的并行入侵检测方法[J].计算机应用研究，2019,36(10):3063-3068.