一种基于IDOA-RBF神经网络的正常流量过滤方法

来源：电子测量技术杂志2023年第13期北京时间：

作者：钱来，王伟

单位：西安工程大学计算机科学学院 西安 710048

摘要：针对全流量检测方式容易使安全检测设备出现性能瓶颈的问题，给出一种使用改进的野狗优化算法来优化径向基函数神经网络的正常流量过滤方法。首先，采用Singer混沌映射和搜索平衡策略对野狗优化算法进行改进；其次，用改进后的野狗优化算法优化RBF神经网络的输出权值，使用CSE-CIC-IDS2018数据集训练网络，构建正常流量过滤模型；最后，在网络流量进入安全检测设备前尽可能多地过滤掉其中正常流量，减轻安全检测设备的工作负担。实验结果表明：与现有的模型相比，IDOA-RBF神经网络的正常流量过滤模型在建模时间上有较大的改善，同时保持较高的识别精度，并且能在需要检测的流量中过滤掉72.9%的正常流量。

关键词：流量识别;流量过滤;野狗优化算法;径向基函数（RBF）神经网络;CSE-CIC-IDS2018数据集

基金资助：2021年中国高校产学研创新基金（2021ALA02002）、2021年“纺织之光”中国纺织工业联合会高等教育教学改革研究项目（2021BKJGLX004）、西安工程大学2020年高等教育研究项目（20GJ05）、陕西省自然科学基础研究计划（2019JM-291）项目资助