基于ReliefF和改进乌鸦搜索优化的并行入侵检测方法

• 作者: 马超
• 来源期刊: 计算机应用研究
• 关键词: 乌鸦搜索算法 入侵检测 并行计算 核极限学习机 ReliefF
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 信息安全技术
• 页码范围: 3063-3068
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.06.0309

摘要

网络数据量的增加导致计算复杂度和时间复杂度增加,为提高网络入侵检测的精度与速度,提出一种新的入侵检测方法RICSA-KELM.首先采用ReliefF过滤法除去无关特征和噪声,降低特征维数;然后基于改进乌鸦搜索算法(ICSA,采用封装法)进行最优特征子集选择,并同步实现核极限学习机(KELM)分类器的参数优化.设计的线性加权目标函数在考虑最大分类精度的同时,尽可能减少误报率以及特征子集数量.此外,提出了基于多核平台的多线程并行计算方法,进一步优化模型运算方式,提高了计算效率.实验采用KDD99和UNSW-NB15数据集对RICSA-KELM性能进行测试和分析.实验结果表明,提出的模型优于SVM、ELM、KNN等方法,检测准确率高、检测效率快、误报率低,是一种有效的网络入侵检测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马超	深圳信息职业技术学院数字媒体学院	10	7	1.0	2.0