齐 坤，韦 凯

基于PSO-FCM智能算法的计算机网络入侵检测方法

齐 坤，韦 凯

（深圳职业技术学院 电子与信息工程学院，广东 深圳 518055）

研究引入基于PSO-FCM智能算法的计算机网络入侵检测方法，主要是将粒子群(PSO)算法引入模糊聚类(FCM)算法，并对该方法进行Matlab仿真分析．结果表明，FCM算法与PSO-FCM智能算法在检测率上，已知攻击均优于未知攻击，优化后的PSO-FCM智能算法入侵检测误检率显著优于FCM算法，PSO-FCM智能算法显著优于传统FCM算法．

模糊聚类算法；粒子群算法；计算机；检测；网络入侵

随着计算机网络中不断增长的网络行为与信息数据量，社会的发展已经对计算机网络形成了严重的依赖性[1]．在计算机网络全面发展的同时也凸显了较多的网络安全问题，甚至严重威胁到了国家的教育、科研、国防、经济等领域[2]．在计算机网络信息安全领域，无论是高新技术的IT企业，还是科研机构都对此问题进行了大量的研究，也针对安全问题开发了一系列关于计算机网络安全的软硬件产品，但效果却不是很好[3]．为了更好地提升计算机网络的安全性，保障网络的安全监控，在目前的网络基础设施中应用最多的为入侵检测技术[4]．由于当前计算机网络中信息量增长迅猛，使得入侵检测的准确率较低，以致缺乏适用性与有效性，许多学者已经开始在智能计算与数据挖掘领域对入侵方法进行新的研究．国内外学者也提出了许多入侵检测方法，使用较为广泛的是聚类方法中的FCM算法．然而，FCM方算在使用的过程中存在一些难以克服的问题：数据集大时结果容易局部最优；……