基于麻雀搜索优化深度极限学习机的入侵检测方法

• 作者: 杨云 王勇
• 来源期刊: 微电子学与计算机
• 学科: 工学
• 关键词: 麻雀搜索算法 深度极限学习机 入侵检测 随机游走
• 年，卷（期）: 2022,（6）
• 所属期刊栏目: 网络与通讯
• 页码范围: 79-88
• 页数: 9页
• 分类号: TP393
• 语种: 中文
• DOI: 10.19304/J.ISSN1000-7180.2021.1088

摘要

深度极限学习机(DELM)由于其性能好、泛化能力强等优点成功应用于许多领域.针对现有入侵检测技术存在检测效率低等问题，将DELM引入到网络入侵检测中，并针对其初始参数随机性较大等问题，提出了一种基于改进的麻雀搜索算法(RSSA)优化DELM的入侵检测模型RSSA-DELM.首先在麻雀搜索算法(SSA)中，对麻雀发现者和麻雀警戒者的位置更新公式进行改进，有效避免了SSA算法陷入局部最优并引入随机游走策略对麻雀最优解进行扰动，进一步提高麻雀搜索能力，增加种群多样性.改进的麻雀搜索算法(RSSA)与标准麻雀搜索算法(SSA)、粒子群优化算法(PSO)和鲸鱼优化算法(WOA)在四种测试函数上相比，收敛速度更快、收敛精度更高，具备良好的性能.然后利用改进的麻雀搜索算法对DELM的权值和偏置进行联合优化，最后采用优化的DELM算法对NSL-KDD网络数据集进行分类检测.实验结果表明，RSSA-DELM与DELM、SSA-DELM、RNN等算法相比有更高的检测率，分类性能平均提升了18%.