基于GA-SVM算法的通信网络入侵信号自动识别技术

杨本胜

(广州松田职业学院，广东 广州 511300)

0 引言

入侵信号识别系统可以有效防御入侵行为，综合利用审计数据、安全日志和关键点信息等识别通信网络内是否出现违法或者被入侵的情况。入侵信号识别系统作为防火墙之后的第二道防御措施，可以对整体网络进行实时保护，避免使用人员进行误操作或外部及内部等入侵行为危害通信网络的事情发生，能够在事件发生之前对其响应预测与入侵拦截[1]。

为了符合智能化时代需求，将机器学习加入入侵识别系统已经成为发展的必然趋势。学习算法包括朴素贝叶斯、决策树以及支持向量机(SVM)等。其中，支持向量机的实现是风险最小化算法，利用最佳的分类平面，把未知样本分类误差降至最低，并且存在较强的泛化能力。现阶段的网络数据库具有大量噪声以及冗余变量，正常样本与入侵样本的极度不平衡状态影响识别性能。网络的连接数据为动态传播方式，若采用单一分类器进行分类，不确定性的因素很大，所以本文尝试利用遗传算法(GA)优化支持向量机算法，从而得到GA-SVM算法来降低不确定影响[2]。

通信网络在进行通信时，外界环境非常复杂，若通信网络被入侵，则会造成信息泄露、丢失等情况，严重甚至会威胁到社会安全，所以本文提出基于GA-SVM算法的通信网络入侵信号自动识别技术。入侵信号多为非平稳信号，利用时域以及频域可提取出通信网络中入侵信号所有特征，然后通过对相邻行为非线性的时空动作捕捉、对相邻行为间的工作状态关联性评价以及对行为后续工作状态实行预测，即可实现入侵信号自动识别。……