摘要
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