融合FAST特征选择与ABQGSA-SVM的网络入侵检测

摘要：

为进一步提升网络入侵检测效果,提出一种融合FAST特征选择与自适应二进制量子引力搜索支持向量机的(FAST-ABQGSA-SVM)网络入侵检测算法.利用FAST算法过滤掉原始特征集中冗余无关的特征形成候选特征子集,基于组合优化策略采用自适应二进制量子引力搜索算法对候选特征子集与SVM分类器参数进行组合优化.在ABQGSA反复学习寻优过程中,采取动态自适应波动式调整策略更新量子旋转角以平衡算法全局搜索能力和局部搜索能力;同时为提升算法的自适应变异能力,设计与进化程度及个体适应度值相关的自适应变异概率,当种群进化出现停滞时及时引入量子位离散交叉操作帮助种群摆脱局部极值.通过KDD CUP 99仿真实验表明,所提出的FAST-ABQGSA-SVM算法较其他同类型检测算法具有更好的鲁棒性、学习精度以及检测效果.

关键词：FAST特征选择、自适应二进制量子引力搜索算法、支持向量机、组合优化、入侵检测

所属期刊栏目：34

分类号：TP393.08(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61305058;江苏省自然科学基金资助项目15KJB520016

在线出版日期：2017-08-14（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：2172-2179