Application of Support Vector Machine Based on Improved PSO Algorithm in NIDS

Support vector machine (SVM) as a classification technology has been successfully applied to intrusion detection, but the performance of SVM is related to the selection of parameters. In practical applications, the problem of parameter selection of SVM has not been well solved. Particle swarm optimization (PSO) algorithm, as an evolutionary computing technology based on swarm intelligence method, has good global search ability. In order to automatically obtain the optimal SVM parameters, a SVM parameter selection method based on improved particle swarm optimization (IPSO) algorithm in intrusion detection system is proposed, and simulation experiments are carried out with kdd99 data set. The simulation results show that the SVM method based on particle swarm training can improve the classification accuracy of data in intrusion detection system. Keywords: Particle swarm optimization; Support vector machines; Intrusion detection system Abstract: As a classification technical, support vector machines（SVM）have been applied in intrusion detection successful, But the performance of SVM is determined by its hyper parameters. In practice, the problem on how to select parameters of SVM is not solved properly. As an evolutionary computation technique based on swarm intelligence particle swarm optimization (PSO) algorithm has high global search ability, In order to optimize parameters of SVM automatically, a parameter selection approach based on PSO is proposed in this paper. Experiments with the data set kdd99 show that the method which based on PSO training of the SVM can improve the classification accuracy of dataset in IDS.Key words: Particle swarm optimization; Support vector machines; Intrusion detection system