象群优化算法的改进及其在网络入侵检测中的应用

发布时间：2024-05-19 01:21

　　入侵检测技术主要通过对网络中的信息进行检查和分析,来判断是否有违背计算机安全的行为,因此入侵检测成为当前研究网络安全方面的重要课题。在众多的入侵检测方法中,将入侵检测技术和机器学习方法相结合来检测入侵行为是可行的,使用支持向量机对基于主机和网络的数据进行处理,能够有效的提高入侵检测的准确率和可扩展性。本文在考虑到入侵检测数据存在大量冗余特征以及检测准确率不高等缺陷,以提高入侵检测分类准确率为目标,主要从结合智能优化算法的特征选择方法,分类器参数优化以及入侵检测模型的构建等几个方面进行深入研究。本文的主要工作内容如下:(1)提出一种改进的象群优化(IEHO)算法。由于基本的象群优化(EHO)算法在用于维数较高的数据集优化问题时,全局收敛性差且易陷入局部最优,分类精度也不高,在应用于入侵检测领域时会严重限制算法的分类性能,降低入侵检测的准确率。本文通过引入Levy飞行策略和融合粒子群搜索策略,提出了一种改进的象群优化算法,以此提高象群算法的全局搜索能力和收敛性能。(2)基于Spark并行化的IEHO算法的入侵检测特征选择。由于入侵检测数据包含大规模、高维度的数据,这些高维数据不仅会造成维数...

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图2.1IEHO算法流程图

湖北工业大学硕士学位论文12图2.1IEHO算法流程图2.4实验仿真与结果分析为了测试本章所提出的IEHO算法的性能，本章选取了8种常用的基准测试函数(其中包括4个单峰值函数和4个多峰值函数)来评估IEHO算法的性能，并与基本的EHO算法进行对比，测试函数的表达式如表2.1所示。....

图2.2基于单峰值函数由表2.2基于单峰值测试函数的实验于基本的EHO算法，IEHO算法在四个基准化EHO算法，并且对于函数)(1xf、)(2xf

湖北工业大学硕士学位论文14图2.2基于单峰值函数的适应度值收敛曲线由表2.2基于单峰值测试函数的实验结果可知，改进的IEHO算法优化性能高于基本的EHO算法，IEHO算法在四个基准函数上取得的平均最优值、平均值均优化EHO算法，并且对于函数)(1xf、)(2xf以及)(4xf，....

图2.3基于多峰值函数表2.3是EHO算法和IEHO算法在四个由表可知，IEHO算法在四个测试函数上的和)(xf上获得的平均最差值要比EHO算法

湖北工业大学硕士学位论文15图2.3基于多峰值函数的适应度值收敛曲线表2.3是EHO算法和IEHO算法在四个不同的多峰值基准函数上的测试结果。由表可知，IEHO算法在四个测试函数上的寻优结果都比EHO算法好，在函数)(5xf和)(7xf上获得的平均最差值要比EHO算法差，但获得平....

图3.1特征选择流程图

湖北工业大学硕士学位论文

本文编号：3977435