基于LUS-PSO权重优化的入侵检测技术研究

臧世伟 高丽婷 黄 涛 殷欣欣

(河北建筑工程学院,河北 张家口 075000)

0 引 言

近年来,网络安全已经成为一个非常重要的问题,关系到人们生活的方方面面.网络安全的第一道防线,防火墙已是最普遍的防护方式.但是随着攻击技术不断迭代和攻击工具的复杂多变,现有的防火墙方式已经无法满足网络安全的需求.因此,网络的防护需要一种更加有效的、更加多样的方式[1].现如今,集成学习已经得到很好的研究,并且大量用于提高一些分类任务的准确率.现在,已有的集成方法包括平均合成器、中位数合成器、最大合成器、多数投票和加权多数投票(WMV).由于其概念简单、直观和在实践中的有效性,WMV是迄今为止最受欢迎的[2].

本文提出基于LUS-PSO权重优化的入侵检测模型.该模型先训练6个Classfier1和6个Classfier2弱分类的分类器.然后,使用粒子群算法、元优化粒子群算法和加权多数算法(WMA)方法的集成学习模型.这些模型综合12个分类器的意见,得出最后的决定.最后,实验证明该模型在攻击检测的准确性和误报率等方面更优.

1 入侵检测模型

本文提出基于LUS-PSO权重优化的入侵检测模型,其模型如图1所示.

图1 入侵检测模型

其中,该入侵检测模型包括数据预处理和攻击检测2个部分.

1.1 数据预处理

KDD Cup数据集是入侵检测中最常用的数据集,常用于评价入侵检测算法的性能.但是如今,研究人员已经证实最简单的机器学习算法在训练集上已经能达到95%的检测正确率,并且在测试集……