论文部分内容阅读
提出一种改进的果蝇算法优化加权极限学习机入侵检测算法,利用加权极限学习机训练时间短、泛化性能好等优点,对NSL-KDD入侵检测数据集中的不均衡现象,增加少数类攻击的权重,使对网络攻击中稀有攻击的检测率比传统机器学习方法有大幅提高;用迭代步长自适应调整的果蝇优化算法,对加权极限学习机中的隐含层输入权值和偏置进行全局寻优,以避免算法陷入局部最优解,实现了对NSL-KDD入侵检测数据集的分类。实验表明:本算法对稀有攻击的检测率和分类准确率均有提高,误报率有所降低。