基于ABC、XGBoost与迁移学习的入侵检测方法

作者：黄清兰; 游贵荣

来源：重庆科技学院学报(自然科学版), 2021, 23(01): 87-90.

DOI：10.19406/j.cnki.cqkjxyxbzkb.2021.01.020

• 网络安全
• 入侵检测
• XGBoost
• 人工蜂群算法
• 迁移学习

传统的入侵检测机器学习算法,面对有差异的新旧数据尤其是未知的攻击行为,会出现检测准确率较低、漏检率较高的问题。为此,提出了一种将人工蜂群(ABC)算法、XGBoost模型与迁移学习相结合的ABC-XGBTrl算法。首先通过使用少量有标签的新数据训练初始分类模型,然后将有标签的旧数据中分类正确的部分与少量有标签的新数据合并,用于训练新的迁移分类模型,最终用来检测未使用的新数据。迁移分类模型中的分类算法使用XGBoost,并利用人工蜂群算法优化XGBoost的参数。采用NSL-KDD数据集进行了测试,结果表明,这种方法比现有的一些经典集成学习算法具有更高的检测准确率。

• 单位
  福建商学院