基于属性决策的遗传粒子群入侵检测方法技术

本发明专利技术涉及计算机安全领域，具体涉及一种基于属性决策的遗传粒子群入侵检测方法，具体包括信息提取、系统初始化、粒子交叉变异进化、粒子群更新、综合训练、入侵检测模型建立。所述粒子交叉变异进化，具体为，在种群初始化后，挑选部分较优个体，进行交叉变异操作，并进行适应度值计算，在没有达到最大进化代数时，重新进入挑选部分较优个体的步骤。粒子群更新具体为，先对粒子群进行初始化操作，然后对粒子群进行适应度计算，更新速度和位置，进行网络状态信息采集，在最大迭代次数未达标时，重新进行适应度值计算。该方法不仅可以大大减少无效的冗余特征，而且可以在最大程度上提高网络入侵检测的效率。

【技术实现步骤摘要】
基于属性决策的遗传粒子群入侵检测方法
本专利技术属于计算机网络安全领域，具体涉及一种基于属性决策的遗传粒子群入侵检测方法。
技术介绍
近年来网络的开放性和虚拟性给网络入侵带来了极大便利，针对日益严重的网络入侵活动，入侵检测系统(IDS)作为一种积极主动的安全防护技术得到了迅猛的发展。遗传算法(GeneticAlgorithm,GA)是模拟生物进化的计算模型，是一种依据模拟自然生物进化过程搜索近似解的算法。它是参照优胜劣汰的原理，利用遗传算子进行变异和组合交叉等相关操作来产生出最新解集的种群，逐步演化得出最优解。粒子群(ParticleSwarmOptimization,PSO)算法是一种进化优化算法，它是依据随机解，通过不断的迭代操作来寻找最优解。相对于遗传算法，它的操作更为简单。虽然它也是按照适应度来评价目标解，但它没有遗传算法的一些相关操作，诸如交叉与变异，它是根据当前搜索到的最优解来搜寻全局最优解。该算法具有收敛速度快、精度高等优点，在实际应用中优越性不断凸显。
技术实现思路
本专利技术的目的就在于为了解决上述问题而提出一种基于属性决策的遗传粒子群入侵检测方法。遗传算法与粒子群算法本文档来自技高网...

【技术保护点】
1.一种基于属性决策的遗传粒子群入侵检测方法，其特征在于，包括信息提取、系统初始化、粒子交叉变异进化、粒子群更新、综合训练、入侵检测模型建立。

【技术特征摘要】
1.一种基于属性决策的遗传粒子群入侵检测方法，其特征在于，包括信息提取、系统初始化、粒子交叉变异进化、粒子群更新、综合训练、入侵检测模型建立。2.根据权利要求1所述的一种基于属性决策的遗传粒子群入侵检测方法，其特征在于，所述信息提取，具体包括网络状态信息采集、网络属性信息提取。3.根据权利要求1所述的一种基于属性决策的遗传粒子群入侵检测方法，其特征在于，所述系统初始化，包括信息参数初始化、种群初始化。4.根据权利要求1所述的一种基于属性决策的遗传粒子群入侵检测方法，其特征在于，所述粒子交叉变异进化，具体为，在种群初始化后，挑选部分较优个体，进行交叉变异操作，并进行适应度值计算，在没有达到最大进化代数时，重新进入挑选部分...

【专利技术属性】
技术研发人员：潘晓君，
申请(专利权)人：潘晓君，
类型：发明
国别省市：安徽,34