利用哈里斯鹰算法优化卷积神经网络的入侵检测研究

作者：李响; 缪祥华^*; 张如雪; 张宣琦

来源：化工自动化及仪表, 2023, 50(04): 513-520.

DOI：10.20030/j.cnki.1000-3932.202304017

• 入侵检测
• HHO-GCNN模型
• 卷积神经网络
• 哈里斯鹰算法
• 自适应优化
• 全局池化层
• NSL-KDD数据集

以往利用卷积神经网络（CNN）搭建入侵检测模型时，需用人工经验设定网络结构，导致其网络性能很难发挥最优。为此，提出利用哈里斯鹰算法（HHO）对CNN的网络结构进行自适应优化，构建入侵检测模型。首先针对传统CNN全连接层易发生过拟合的问题，采用全局池化层（GAP）对参数进行缩减；然后采用哈里斯鹰算法选取CNN最佳网络结构，避免人工干预引起的检测不确定性，从而缩短参数选择时间，提升入侵检测模型的适用性和入侵检测性能。在NSL-KDD数据集的实验结果表明：所提哈里斯鹰算法优化改进后的卷积神经网络构建的入侵检测模型，检测准确率93.68%，误报率1.65%，检测性能优于SVM、AdaBoost、BP入侵检测模型。

• 单位
  昆明理工大学; 自动化学院