摘要
针对网络流量数据集特征维度高、正负样本不平衡导致的入侵检测效率较低问题,提出一种基于改进鲸鱼优化算法(IWOA)和XGBoost的网络入侵检测模型。为提升鲸鱼优化算法特征选择能力,引入Sobol序列初始化方式丰富初代种群多样性,采用非线性收敛因子及惯性权重平衡全局和局部搜索,应用混合变异策略提高局部最优逃逸能力。为提高不平衡数据集中少数类识别率,将焦点损失引入XGBoost算法,应用改进算法(FLXGBoost)构建IWOA适应度函数和分类模型。使用NSL-KDD数据集,将所提模型与其他常见算法进行对比实验,结果表明,相比于其他算法,所提模型在网络入侵检测准确率上有较大的提升。
出处
《网信军民融合》
2022年第7期48-56,共9页
Civil-Military Integration on Cyberspace
基金
公安部软科学计划项目[2020LLYJXJXY031]
公安部技术研究计划课题[2016JSYJB06]
辽宁省自然科学基金项目[2019-ZD-0167、20180550841、2015020091]
中央高校基本科研业务费项目[D2021006、3242017013]
辽宁省社会科学规划基金项目[L16BFX012]
辽宁网络安全执法协同创新中心资助项目[WXZX-201807010]
辽宁省教育厅科学研究经费项目[LJKZ0072]
