基于KPCA-PSO-SVM的物联网信息平台安全检测方法研究  

Research on the security detection method based on KPCA-PSO-SVM for IOT information platform of modern logistics supply chain

作　　者：戴航[1] 何景师[1] 

机构地区：[1]东莞职业技术学院,东莞523808

出　　处：《现代制造工程》2015年第5期35-38,共4页Modern Manufacturing Engineering

基　　金：国家自然科学基金资助项目(50975213)

摘　　要：现代智能物流供应链依靠物联网信息网络平台大大提高了物流效率;但是平台频繁受到分布式拒绝服务(DDo S)攻击而出现故障,甚至是瘫痪。针对这一问题,提出了基于核主元分析(KPCA)和粒子群优化-支持向量机(PSO-SVM)的物流供应链信息安全检测新方法。该方法不需要先验知识,首先通过KPCA提取入侵数据重要的非线性特征,避免了原始数据高维特征的复杂性与冗余干扰;其次,在利用提取的特征训练SVM检测模型时,应用粒子群优化(PSO)算法优化支持向量机(SVM)结构参数,以获得良好的模型泛化能力。通过实际环境下DDo S检测实验结果表明,所提出的方法提高了检测率和检测速度,减少了误报率,且检测性能高于目前常采用的主成分分析(PCA)法。The modern logistics supply chain greatly improves the logistics efficiency by use of Internet of Things （IOT） information platform. However,the logistics system often suffers from the Distributed Denial of Service （DDoS） attack. To solve this problem,a new detection method based on Kernel Principle Component Analysis （KPCA） and Particle Swarm Optimization （PSO）- Support Vector Machine （SVM） is proposed. The KPCA was firstly used to obtain the most distinct features of the input data to eliminate the redundant features. Then the PSO was used to optimize the training of SVM. Experimental results show the method promotes the detection rate and calculation speed, and outperform the PCA based methods.

关 键 词：物流供应链 物联网 信息安全 智能检测 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]