为了提高入侵检测系统的检测率和降低系统的误检率,对基本的粒子群算法采用在粒子群初始化阶段,种群的离散度必须满足一定的要求才能开始迭代;在算法迭代过程中,惯性权重、加速系数的调整都与当前粒子群的离散度相关;当种群的离散度小于一定数值时,进行保优重初始化,同时采用适应度函数拉伸操作,重新迭代等几个方面的改进。经过KDD Cup 1999数据集的训练和检验数据的仿真测试,改进后的粒子群算法具有较高的检测正确率和较低的误检率,而且新算法收敛速度快,不易局部最优。
为了有效增强网络入侵的检测效果,尽可能地预防网络入侵行为的发生,文中基于协同量子粒子群CQPSO算法以及最小二乘支持向量机LSSVM,建立了CQPSO-LSSVM网络入侵检测模型。该模型利用CQPSO算法对网络入侵的相关特征进行选择,从而获得最优特征子集,减少后续LSSVM所需处理的输入特征给数,有效降低计算量,并提高检测效率。经过KDD CUP 99数据集的仿真测试实验,该模型检测效果良好,具有较高的检测率、较低的误报率和漏报率,且检测速率较快,能够满足网络入侵检测的实时性与准确性的要求,为相