最优极限学习机入侵检测算法

• 作者: 胡梦琪 欧阳艾嘉 刘丽 赵丽丽
• 来源期刊: 福建电脑
• 关键词: 入侵检测 PSO-ELM 极限学习机 粒子群算法 NSL_KDD
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 论著|Research Articles
• 页码范围: 24-26
• 页数: 3页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.16707/j.cnki.fjpc.2021.10.006

摘要

针对网络入侵系统将面临检测精准度低、错报率高等问题限制,本文提出一种粒子群(PSO)优化的极限学习机(ELM)入侵检测算法(PSO-ELM),以提升入侵检测平台的有效性和安全性.ELM的内部功率参数(权重和基础)无序生成,是算法不稳定的诱因,利用PSO优化ELM的模型参数选择可以改善算法性能.最后在NSL_KDD数据集上进行仿真实验.实验结果表明,PSO-ELM算法在测试精度方面优于基本ELM算法,验证了该算法的有效性.