为进一步提升网络入侵检测效果,提出一种融合FAST特征选择与自适应二进制量子引力搜索支持向量机的(FAST-ABQGSA-SVM)网络入侵检测算法。利用FAST算法过滤掉原始特征集中冗余无关的特征形成候选特征子集,基于组合优化策略采用自适应二...为进一步提升网络入侵检测效果,提出一种融合FAST特征选择与自适应二进制量子引力搜索支持向量机的(FAST-ABQGSA-SVM)网络入侵检测算法。利用FAST算法过滤掉原始特征集中冗余无关的特征形成候选特征子集,基于组合优化策略采用自适应二进制量子引力搜索算法对候选特征子集与SVM分类器参数进行组合优化。在ABQGSA反复学习寻优过程中,采取动态自适应波动式调整策略更新量子旋转角以平衡算法全局搜索能力和局部搜索能力;同时为提升算法的自适应变异能力,设计与进化程度及个体适应度值相关的自适应变异概率,当种群进化出现停滞时及时引入量子位离散交叉操作帮助种群摆脱局部极值。通过KDD CUP 99仿真实验表明,所提出的FAST-ABQGSA-SVM算法较其他同类型检测算法具有更好的鲁棒性、学习精度以及检测效果。展开更多
针对支持向量机(SVM)应用于网络入侵检测时特征选择及分类器参数优化问题,利用改进的二进制量子引力搜索算法(IBQGSA)对入侵特征集及SVM参数进行组合寻优。将入侵特征集及SVM参数看作是二进制量子引力搜索算法中的量子个体并进行组合编...针对支持向量机(SVM)应用于网络入侵检测时特征选择及分类器参数优化问题,利用改进的二进制量子引力搜索算法(IBQGSA)对入侵特征集及SVM参数进行组合寻优。将入侵特征集及SVM参数看作是二进制量子引力搜索算法中的量子个体并进行组合编码,在使用量子旋转门更新个体位移时,引入动态的位移更新策略,确保算法收敛到全局极值,设计与进化程度及个体适应度值相关的自适应变异概率,提升量子非门变异操作时算法的自适应变异能力。利用KDD CUP 99数据集进行仿真实验,实验结果表明,所提算法能有效地获取最佳特征子集及分类器参数组合,检测效果更好。展开更多
文摘为进一步提升网络入侵检测效果,提出一种融合FAST特征选择与自适应二进制量子引力搜索支持向量机的(FAST-ABQGSA-SVM)网络入侵检测算法。利用FAST算法过滤掉原始特征集中冗余无关的特征形成候选特征子集,基于组合优化策略采用自适应二进制量子引力搜索算法对候选特征子集与SVM分类器参数进行组合优化。在ABQGSA反复学习寻优过程中,采取动态自适应波动式调整策略更新量子旋转角以平衡算法全局搜索能力和局部搜索能力;同时为提升算法的自适应变异能力,设计与进化程度及个体适应度值相关的自适应变异概率,当种群进化出现停滞时及时引入量子位离散交叉操作帮助种群摆脱局部极值。通过KDD CUP 99仿真实验表明,所提出的FAST-ABQGSA-SVM算法较其他同类型检测算法具有更好的鲁棒性、学习精度以及检测效果。
文摘针对核模糊C-均值算法(kernel fuzzy C-means,KFCM)随机选择初始聚类中心而不能获得全局最优且在聚类中心较近或重合时易产生一致性聚类等问题,提出一种改进算法。改进算法在原目标函数中引入中心极大化约束项来调控簇间分离度,从而避免算法出现一致性聚类结果。利用磷虾群算法对基于新目标函数的KFCM算法进行优化,使算法不再依赖初始聚类中心,提高算法的稳定性。基于距离最大最小原则产生多组较优的聚类中心作为初始磷虾群体并在算法迭代过程中融合一种新的精英保留策略,从而确保算法收敛到全局极值;通过对个体随机扩散活动进行分段式Logistic混沌扰动,提高算法全局寻优能力。使用KDD Cup 99入侵检测数据进行仿真实验表明,改进算法具有更好的检测性能,解决了传统的聚类算法在入侵检测中稳定性差、检测准确率低的问题。
文摘针对支持向量机(SVM)应用于网络入侵检测时特征选择及分类器参数优化问题,利用改进的二进制量子引力搜索算法(IBQGSA)对入侵特征集及SVM参数进行组合寻优。将入侵特征集及SVM参数看作是二进制量子引力搜索算法中的量子个体并进行组合编码,在使用量子旋转门更新个体位移时,引入动态的位移更新策略,确保算法收敛到全局极值,设计与进化程度及个体适应度值相关的自适应变异概率,提升量子非门变异操作时算法的自适应变异能力。利用KDD CUP 99数据集进行仿真实验,实验结果表明,所提算法能有效地获取最佳特征子集及分类器参数组合,检测效果更好。