基于WOA-XGBoost模型的网络入侵检测

来源：计算机测量与控制杂志2023年第3期北京时间：

作者：闫海涛,张之义,朱晓明,王鹏

单位：中国电子科技集团公司第五十四研究所

摘要：网络入侵检测系统（NIDS）是检测网络攻击和维护网络安全的关键技术之一，是网络安全领域中的重要研究方向。近年来，研究者利用机器学习算法来完成入侵检测任务并取得了很好的成果，但检测效率和精确率有待进一步提升。在对鲸鱼优化算法（WOA）和极限梯度提升算法（XGBoost）的特点进行实验和对比分析的基础上，提出了WOA-XGBoost模型，首先构建基于XGBoost的分类模型，然后利用WOA算法自适应搜索XGBoost的最优参数，最后基于NSL-KDD数据集评估所提出WOA-XGBoost模型的性能。实验结果表明，该模型在分类精确率、准确率、召回率和AP指标方面均优于其他模型如XGBoost、随机森林、Adaboost和LightGBM。该工作也为群体智能优化算法在网络入侵检测中的应用提供了依据。

关键词：网络安全;入侵检测;异常行为检测;WOA-XGBoost;集成学习