基于ReliefF和改进乌鸦搜索优化的并行入侵检测方法

来源：计算机应用研究杂志2019年第10期北京时间：

作者：马超,

单位：深圳信息职业技术学院数字媒体学院,广东深圳518172；

摘要：网络数据量的增加导致计算复杂度和时间复杂度增加，为提高网络入侵检测的精度与速度，提出一种新的入侵检测方法RICSA-KELM。首先采用ReliefF过滤法除去无关特征和噪声，降低特征维数；然后基于改进乌鸦搜索算法（ICSA，采用封装法）进行最优特征子集选择，并同步实现核极限学习机（KELM）分类器的参数优化。设计的线性加权目标函数在考虑最大分类精度的同时，尽可能减少误报率以及特征子集数量。此外，提出了基于多核平台的多线程并行计算方法，进一步优化模型运算方式，提高了计算效率。实验采用KDD99和UNSW-NB15数据集对RICSA-KELM性能进行测试和分析。实验结果表明，提出的模型优于SVM、ELM、KNN等方法，检测准确率高、检测效率快、误报率低，是一种有效的网络入侵检测方法。

关键词：乌鸦搜索算法,入侵检测,并行计算,核极限学习机,ReliefF,

基金资助：国家自然科学基金青年基金资助项目(61303113)；广东省自然科学基金资助项目(2016A030310072)；深圳市科技计划项目(KJYY20170724152553858)；广东省教育厅重点平台及科研项目特色创新类项目(2017GWTSCX040)；深圳市2017年度规划课题(ybzz17011,ybzz17009,zdzz17005)；校级科研课题项目(QN201716)；；