基于WOA-XGBoost模型的网络入侵检测

• 作者: 闫海涛 张之义 朱晓明 王鹏 中国电子科技集团公司第研究所
• 来源期刊: 计算机测量与控制
• 关键词: 网络安全 入侵检测 异常行为检测 WOA-XGBoost 集成学习
• 年，卷（期）: 2023,（3）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 127-133
• 页数: 7页
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2023.03.019

摘要

网络入侵检测系统(NIDS)是检测网络攻击和维护网络安全的关键技术之一，是网络安全领域中的重要研究方向；近年来，研究者利用机器学习算法来完成入侵检测任务并取得了很好的成果，但检测效率和精确率有待进一步提升；在对鲸鱼优化算法(WOA)和极限梯度提升算法(XGBoost)的特点进行实验和对比分析的基础上，提出了WOA-XGBoost模型，首先构建基于XGBoost的分类模型，然后利用WOA算法自适应搜索XGBoost的最优参数，最后基于NSL-KDD数据集评估所提出WOA-XGBoost模型的性能；实验结果表明，该模型在分类精确率、准确率、召回率和AP指标方面均优于其他模型如XGBoost、随机森林、Adaboost和LightGBM;该工作也为群体智能优化算法在网络入侵检测中的应用提供了依据。