基于改进多因子优化蝙蝠算法的网络入侵检测方法OA北大核心CSTPCD
Network Intrusion Detection Method Based on Improved Multi-factorial Optimization Bat Algorithm
针对高维网络数据存在大量冗余和不相关的特征导致入侵检测准确率低的问题,提出了一种改进的多因子优化蝙蝠算法(IMFBA)用于数据特征选择,筛选出具有最大信息量的特征子集,提高网络入侵检测精度.首先,在多因子优化框架下设计全局特征选择任务和局部特征选择任务,并通过基于蝙蝠算法所设计的选型交配和垂直文化传播算子实现不同任务间的信息共享,从而帮助全局特征选择任务更快锁定最优解空间,提高算法收敛速度和稳定性.其次,通过将反向学习策略和差分进化引入蝙蝠算法,…查看全部>>
In addressing the challenge of diminished intrusion detection accuracy resulting from the abundance of redundant and irrelevant features in high-dimensional network data,an improved multi-factorial optimization bat al-gorithm(IMFBA)was introduced for precise data feature selection,with the ultimate goal of improving network in-trusion detection accuracy.Within the multi-factorial optimization framework,global and local feature selection tasks were formulated…查看全部>>
张震;张思源;田鸿朋
郑州大学 电气与信息工程学院,河南 郑州 450001郑州大学 电气与信息工程学院,河南 郑州 450001郑州大学 电气与信息工程学院,河南 郑州 450001
计算机与自动化
入侵检测网络安全特征选择蝙蝠算法多因子优化
intrusion detectioncyber securityfeature selectionbat algorithmmulti-factorial optimization
《郑州大学学报（工学版）》 2024 (5)
52-60,94,10
国家重点研发计划重点专项(2018XXXXXXXXXX)河南省重大公益专项(201300311200)河南省重点研发专项(231111211600)
评论