基于改进麻雀搜索算法的特征选择在入侵检测中的应用

摘要：

机器学习在入侵检测中发挥着至关重要的作用,特征选择作为机器学习的关键预处理步骤,受到广大研究者的关注.针对麻雀搜索算法寻优能力强但易陷入局部最优的问题,本文对特征编码、位置更新等策略进行改进,提出一种多策略融合的二进制麻雀搜索算法,结合决策树分类器构造封装式特征选择算法,从高维特征空间中选择具有代表性的特征,以提高模型的预测能力并降低时间成本.基于NSL-KDD和UNSW-NB15数据集进行了性能评估,实验结果表明:与多种特征选择算法相比,利用该算法进行特征选择后的数据具有最佳二分类效果.

关键词：麻雀搜索算法、入侵检测、特征选择、特征编码、位置更新

所属期刊栏目：37

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金62066031

在线出版日期：2023-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：70-77,100