蝙蝠算法联合选择特征和分类器参数的入侵检测-计算机应用与软件.PDFVIP

第３１卷第７期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．７ ２０１４年７月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊｕｌ．２０１４ 蝙蝠算法联合选择特征和分类器参数的入侵检测 冷　令 （中山职业技术学院　广东中山５２８４０４） 摘　要　　针对入侵检测的特征和分类器参数选择问题，采用极限学习机ＥＬＭ（ｅｘｔｒｅｍｅｌｅａｒｎｉｎｇｍａｃｈｉｎｅ）进行构建分类器，提出一 种蝙蝠算法（ＢＡ）联合选择特征和分类器参数的网络入侵检测模型（ＢＡＥＬＭ）。首先将特征子集和极限学习机参数编码成蝙蝠个 体，以入侵检测准确率和特征数加权组成个体适应度函数；然后通过个体和群体更新的规则引导蝙蝠向最优解飞行，从而找到最优 的子特征集和极限学习机参数；最后建立最优的入侵检测模型，并通ＫＤＤＣＵＰ９９数据集进行仿真性能分析。结果表明，ＢＡＥＬＭ较 好地解决了入侵检测特征选择与分类器参数不匹配难题，提高了网络入侵检测率和检测效率，更加适合于网络入侵检测的实时 要求。 关键词　　特征选择　分类器参数　极限学习机　蝙蝠算法 中图分类号　ＴＰ３９３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．０７．０７６ ＩＮＴＲＵＳＩＯＮＤＥＴＥＣＴＩＯＮＢＡＳＥＤＯＮＪＯＩＮＴＬＹＳＥＬＥＣＴＩＮＧＦＥＡＴＵＲＥＳ ＡＮＤＣＬＡＳＳＩＦＩＥＲＰＡＲＡＭＥＴＥＲＳＢＹＢＡＴＡＬＧＯＲＩＴＨＭ Ｌｅｎｇｌｉｎｇ （ＺｈｏｎｇｓｈａｎＰｏｌｙｔｅｃｈｉｃ，Ｚｈｏｎｇｓｈａｎ５２８４０４，Ｇｕａｎｇｄｏｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｏｆｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｆｅａｔｕｒｅｓａｎｄｃｌａｓｓｉｆｉｅｒｐａｒａｍｅｔｅｒｓｅｌｅｃｔｉｏｎ，ｗｅｕｓｅｅｘｔｒｅｍｅｌｅａｒｎｉｎｇｍａｃｈｉｎｅ （ＥＬＭ）ｔｏｃｏｎｓｔｒｕｃｔｃｌａｓｓｉｆｉｅｒ，ａｎｄｐｒｏｐｏｓｅａｎｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｍｏｄｅｌ（ＢＡＥＬＭ）ｗｈｉｃｈｉｓｂａｓｅｄｏｎｊｏｉｎｔｌｙｓｅｌｅｃｔｉｎｇｆｅａｔｕｒｅｓａｎｄｃｌａｓｓｉｆｉｅｒ ｐａｒａｍｅｔｅｒｓｂｙｂａｔａｌｇｏｒｉｔｈｍ（ＢＡ）．Ｆｉｒｓｔ，ｗｅｅｎｃｏｄｅｔｈｅｆｅａｔｕｒｅｓｕｂｓｅｔａｎｄｔｈｅＥＬＭｐａｒａｍｅｔｅｒｓｔｏｂａｔｉｎｄｉｖｉｄｕａｌｓ，ａｎｄｃｏｍｐｏｓｅｔｈｅｉｎｔｒｕｓｉｏｎ ｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙａｎｄｔｈｅｆｅａｔｕｒｅｎｕｍｂｅｒｗｅｉｇｈｔｉｎｇｔｏｉｎｄｉｖｉｄｕａｌｆｉｔｎｅｓｓｆｕｎｃｔｉｏｎ；ｔｈｅｎｗｅｇｕｉｄｅｔｈｅｂａｔｓｆｌｙｉｎｇｔｏｗａｒｄｔｈｅｏｐｔｉｍａｌｓｏｌｕｔｉｏｎ ｔｈｒｏｕｇｈｉｎｄｉｖｉｄｕａｌａｎｄｐｏｐｕｌａｔｉｏｎｕｐｄａｔｅｒｕｌｅｓｓｏｔｈａｔｔｏｆｉｎｄｏｐｔｉｍａｌｆｅａｔｕｒｅｓｕｂｓｅｔａｎｄＥＬＭｐａｒａｍｅｔｅｒｓ；ｆｉｎａｌｌｙ，ｗｅｂｕｉｌｄｏｐｔｉｍａｌｉｎｔｒｕｓｉｏｎ ｄｅｔｅｃｔｉｏｎｍｏｄｅｌ，ａｎｄａｎａｌｙｓｅｓｉｍｕｌａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｔｈｒｏｕｇｈＫＤＤＣｕｐ９９ｄａｔａｓｅｔ．ＲｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅＢＡＥＬＭｗｅｌｌｓｏｌｖｅｓｔｈｅｐｒｏｂｌｅｍｏｆ ｍｉｓｍａｔｃｈｉｎｇｂｅｔｗｅｅｎｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎａｎｄｃｌａｓｓｉｆｉｅｒｐａｒａｍｅｔｅｒａｎｄｉｍｐｒｏｖｅｓｔｈｅｎｅｔｗｏｒｋｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｒａｔｅａｎｄ ｄｅｔｅｃｔｉｏｎｅｆｆｉｃｉｅｎｃｙ，ｉｔｉｓｍｏｒｅｓｕｉｔａｂｌｅｆｏｒｔｈｅｒｅａｌｔｉｍｅｒｅｑｕｉｒｅｍｅｎｔｓｏｆｎｅｔｗｏｒｋｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎ． Ｋｅｙｗｏｒｄｓ　　Ｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎ　Ｃｌａｓｓｉｆｉｅｒｐａｒａｍｅｔｅｒｓ　Ｅｘｔｒｅｍｅｌｅａｒｎｉｎｇｍａｃｈｉｎｅ　Ｂａｔａ