基于LFKPCA-DWELM的入侵检测方案

摘要：

基于机器学习的入侵检测系统普遍存在由于入侵数据维度大、数据样本不均衡和离散度大而严重影响分类性能的问题.提出了一种基于LFKPCA-DWELM的入侵检测算法,用改进的果蝇算法(LFOA)对核主成分分析算法(KPCA)进行优化,用优化后的核主成分分析算法(LFKPCA)对数据进行特征提取,将处理后的数据用于基于数据离散度的加权极限学习机(DWELM)的训练,最后使用训练好的模型进行分类实验.实验结果显示,该算法有效提高了检测率,降低了误报率和检测时间.

关键词：入侵检测;果蝇优化算法;核主成分分析;加权极限学习机

所属期刊栏目：57

分类号：TP393.08(计算技术、计算机技术)

资助基金：国家重点研发计划"网络空间安全"重点专项;"十三五"国家密码发展基金密码理论研究重点课题

在线出版日期：2021-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：130-137