改进的飞蛾扑火优化算法在网络入侵检测中的应用
发布时间：2022-05-10 19:49
随着互联网的广泛运用,互联网已经渗透到我们生活的各个角落,随着互联网运用的普及,互联网的安全也越发的引起我们的关注。作为主要的安全技术之一,网络入侵检测技术应运而生,网络入侵检测技术主要以之前的收集到的数据为基础,以检测访问数据是否数据攻击数据。对此,本文的主要研究如下:（1）鉴于飞蛾扑火优化（MFO）算法收敛过快,易陷入局部最优的问题,本文提出一种改进的二进制飞蛾扑火优化算法。该算法引入MFO螺旋飞行公式,具有较强的局部搜索能力;结合了粒子群优化（PSO）算法的速度更新方法,让种群个体随着全局最优解和历史最优解的方向移动,以增加算法的全局收敛性,从而避免易陷入局部最优。实验先通过测试函数检验改进的飞蛾扑火优化（PMFO）算法,再用sigmoid函数将原有的算法转化为二进制算法,及BPMFO算法,通过UCI数据集对BPMFO算法进行检验,实验证明BPMFO算法与PMFO算法具有实用价值。（2）针对当前网络入侵检测中的数据量较大、数据维度较高、识别率不高的特点,本文考虑将PMFO与BPMFO算法应用于网络入侵检测的分类器优化与特征选择中。在分类器优化方面,本文考虑将改进的飞蛾扑火优化算法...
【文章页数】：53 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 引言
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 网络入侵检测研究现状
1.2.2 特征选择研究现状
1.2.3 分类算法研究现状
1.2.4 飞蛾扑火优化算法研究现状
1.3 主要研究内容
1.4 结构安排
第2章 改进的飞蛾扑火优化算法
2.1 飞蛾扑火优化算法
2.2 粒子群优化算法
2.3 提出的改进算法
2.3.1 改进的飞蛾扑火优化算法
2.3.2 测试函数仿真实验
2.4 PFMO的二进制转化
2.4.1 基于PFMO的二进制转化方法
2.4.2 二进制仿真实验测试
2.5 本章小结
第3章 网络入侵检测的性能提升方法
3.1 网络入侵检测简介
3.2 分类算法简介
3.2.1 朴素贝叶斯
3.2.2 支持向量机
3.2.3 K-近邻算法
3.3 特征选择
3.3.1 特征选择简介
3.3.2 基于优化算法的特征选择的方法
3.4 PMFO优化加权KNN的方法
3.4.1 PMFO优化的加权KNN
3.4.2 数据预处理
3.4.3 实验结果与分析
3.4.4 实验结论
3.5 BPMFO在网络入侵检测中特征选择的方法
3.5.1 基于BPMFO的网络入侵检测方法
3.5.2仿真实验
3.5.3 适应度函数
3.5.4 实验结果与分析
3.5.5 实验结论
3.6 本章小结
第4章 特征选择与加权KNN结合优化策略
4.1 特征选择与加权KNN结合优化策略
4.1.1 特征选择与加权KNN结合优化策略
4.1.2 KNN权重选择
4.1.3 特征子集的选择
4.2 仿真实验
4.3 实验结论
4.4 本章小结
第5章 总结与展望
5.1 本文的工作与总结
5.2 后续工作展望
参考文献
致谢
附录
【参考文献】：
期刊论文
[1]基于信息增益与主成分分析的网络入侵检测方法[J]. 王旭仁,马慧珍,冯安然,许祎娜. 计算机工程. 2019(06)
[2]基于改进灰狼优化算法的分布式电源优化配置[J]. 蔡国伟,刘旭,张旺,孟涛,郑天宇. 太阳能学报. 2019(01)
[3]基于PSO-BP神经网络的MEMS加速度计温度补偿[J]. 王法亮,徐大诚. 传感器与微系统. 2019(02)
[4]基于统计指导的飞蛾扑火算法求解大规模优化问题[J]. 刘小龙. 控制与决策. 2020(04)
[5]云计算下网络入侵检测频率智能调整算法仿真[J]. 范斌. 计算机仿真. 2018(09)
[6]基于机器学习的混合式特征选择算法[J]. 雷海锐,高秀峰,刘辉. 电子测量技术. 2018(16)
[7]基于MFO-SVM的空气质量指数预测[J]. 高帅,胡红萍,李洋,白艳萍. 中北大学学报(自然科学版). 2018(04)
[8]基于自适应卷积滤波的网络近邻入侵检测算法[J]. 卢强,游荣义,叶晓红. 计算机科学. 2018(07)
[9]KNN-朴素贝叶斯算法的滚动轴承故障诊断[J]. 路敦利,宁芊,杨晓敏. 计算机测量与控制. 2018(06)
[10]机器学习在网络空间安全研究中的应用[J]. 张蕾,崔勇,刘静,江勇,吴建平. 计算机学报. 2018(09)
博士论文
[1]基于数据挖掘的网络入侵检测关键技术研究[D]. 郭春.北京邮电大学 2014
硕士论文
[1]基于聚类分析和智能优化特征选择的基因微阵列数据分类[D]. 宋创.西安电子科技大学 2014
本文编号：3652590
【文章页数】：53 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 引言
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 网络入侵检测研究现状
1.2.2 特征选择研究现状
1.2.3 分类算法研究现状
1.2.4 飞蛾扑火优化算法研究现状
1.3 主要研究内容
1.4 结构安排
第2章 改进的飞蛾扑火优化算法
2.1 飞蛾扑火优化算法
2.2 粒子群优化算法
2.3 提出的改进算法
2.3.1 改进的飞蛾扑火优化算法
2.3.2 测试函数仿真实验
2.4 PFMO的二进制转化
2.4.1 基于PFMO的二进制转化方法
2.4.2 二进制仿真实验测试
2.5 本章小结
第3章 网络入侵检测的性能提升方法
3.1 网络入侵检测简介
3.2 分类算法简介
3.2.1 朴素贝叶斯
3.2.2 支持向量机
3.2.3 K-近邻算法
3.3 特征选择
3.3.1 特征选择简介
3.3.2 基于优化算法的特征选择的方法
3.4 PMFO优化加权KNN的方法
3.4.1 PMFO优化的加权KNN
3.4.2 数据预处理
3.4.3 实验结果与分析
3.4.4 实验结论
3.5 BPMFO在网络入侵检测中特征选择的方法
3.5.1 基于BPMFO的网络入侵检测方法
3.5.2仿真实验
3.5.3 适应度函数
3.5.4 实验结果与分析
3.5.5 实验结论
3.6 本章小结
第4章 特征选择与加权KNN结合优化策略
4.1 特征选择与加权KNN结合优化策略
4.1.1 特征选择与加权KNN结合优化策略
4.1.2 KNN权重选择
4.1.3 特征子集的选择
4.2 仿真实验
4.3 实验结论
4.4 本章小结
第5章 总结与展望
5.1 本文的工作与总结
5.2 后续工作展望
参考文献
致谢
附录
【参考文献】：
期刊论文
[1]基于信息增益与主成分分析的网络入侵检测方法[J]. 王旭仁,马慧珍,冯安然,许祎娜. 计算机工程. 2019(06)
[2]基于改进灰狼优化算法的分布式电源优化配置[J]. 蔡国伟,刘旭,张旺,孟涛,郑天宇. 太阳能学报. 2019(01)
[3]基于PSO-BP神经网络的MEMS加速度计温度补偿[J]. 王法亮,徐大诚. 传感器与微系统. 2019(02)
[4]基于统计指导的飞蛾扑火算法求解大规模优化问题[J]. 刘小龙. 控制与决策. 2020(04)
[5]云计算下网络入侵检测频率智能调整算法仿真[J]. 范斌. 计算机仿真. 2018(09)
[6]基于机器学习的混合式特征选择算法[J]. 雷海锐,高秀峰,刘辉. 电子测量技术. 2018(16)
[7]基于MFO-SVM的空气质量指数预测[J]. 高帅,胡红萍,李洋,白艳萍. 中北大学学报(自然科学版). 2018(04)
[8]基于自适应卷积滤波的网络近邻入侵检测算法[J]. 卢强,游荣义,叶晓红. 计算机科学. 2018(07)
[9]KNN-朴素贝叶斯算法的滚动轴承故障诊断[J]. 路敦利,宁芊,杨晓敏. 计算机测量与控制. 2018(06)
[10]机器学习在网络空间安全研究中的应用[J]. 张蕾,崔勇,刘静,江勇,吴建平. 计算机学报. 2018(09)
博士论文
[1]基于数据挖掘的网络入侵检测关键技术研究[D]. 郭春.北京邮电大学 2014
硕士论文
[1]基于聚类分析和智能优化特征选择的基因微阵列数据分类[D]. 宋创.西安电子科技大学 2014
本文编号：3652590
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3652590.html
