基于麻雀搜索算法改进粒子群优化算法的网络入侵检测方法

作者：高兵; 郑雅; 秦静; 邹启杰; 汪祖民

来源：计算机应用, 2021, 1-7.

• 监督学习
• 粒子群优化算法
• 麻雀搜索算法
• 入侵检测
• 参数寻优

针对网络入侵检测模型自适应能力不足的问题，将麻雀搜索算法中的大范围快速搜索能力引入到粒子群优化算法，提出一种融合麻雀搜索算法的改进粒子群优化算法（SSAPSO）。该算法通过对轻量级梯度提升机（LightGBM）算法中难以整定的参数进行寻优，使粒子群优化算法在保证寻优精度的同时快速收敛，并得到最优的网络入侵检测模型。仿真实验表明，在4种基准函数中，SSAPSO算法比基本粒子群优化算法收敛速度更快。对KDDCUP99数据集SSAPSO优化LightGBM算法（SSAPSO-LightGBM）对比梯度提升算法（CatBoost）实验得出的准确率、召回率、精确率和F1指数分别提升了15.12%、3.25%、21.26%和12.25%。SSAPSO-LightGBM对数据集中Normal、R2L、U2R、PROBE的检测准确率相较于LightGBM算法分别提升了0.61%、3.14%、4.24%、1.04%和5.03%。实验结果表明，所提模型能够有效提高入侵检测的准确率。

• 单位
  大连大学