基于麻雀搜索算法和改进粒子群优化算法的网络入侵检测算法

针对网络入侵检测模型自适应能力不足的问题,将麻雀搜索算法(SSA)中的大范围快速搜索能力引入到粒子群优化(PSO)算法,提出基于麻雀搜索算法的改进粒子群优化(SSAPSO)算法.该算法通过对轻量级梯度提升机(LightGBM)算法中难以整定的参数进行寻优,使PSO算法在保证寻优精度的同时快速收敛,并得到最优的网络入侵检测模型.仿真实验结果表明,在4种基准函数上,SSAPSO比基本PSO算法收敛速度更快;在KDDCUP99数据集上,SSAPSO优化LightGBM后得到的SSAPSO-LightGBM算法比分类特征和梯度提升(CatBoost)算法的准确率、召回率、精确率和F1指数分别提升了15.12％、3.25％、21.26％和12.25％;SSAPSO-LightGBM算法在上述数据集中正常流量(Normal)、未授权远程访问(R2L)攻击、未授权本地访问(U2R)攻击、监听(PROBE)攻击的检测准确率比LightGBM算法分别提升了0.61％、3.14％、4.24％、1.04％和5.03％.