[发明专利]基于IQGA的SVM参数优化入侵检测方法

说明书

本发明涉及基于IQGA的SVM参数优化入侵检测方法，包括以下步骤：步骤S1：对得到的测试参数数据进行预处理；步骤S2：利用IQGA算法程序对处理后的测试参数数据进行参数优化；步骤S3：将经过优化处理后的测试参数数据输入数据对比库中进行对比，检测其与数据对比库中所储存的参数数据是否相同，相同则直接结束，不相同则进行下一步的处理；步骤S4：利用预处理后的测试参数数据去寻找SVM模型参数，然后根据SVM模型参数构建入侵检测器。该基于IQGA的SVM参数优化入侵检测方法，在SVM模型参数构建入侵检测器检测是否有入侵之前，预处理的测试参数数据先经过了对比数据库的对比测试，可以进行预先对比过滤，大大缩短了整个入侵检测的过程，实现了高效参数优化的效果。

技术领域

本发明属于网络技术领域，具体涉及一种基于IQGA的SVM参数优化入侵检测方法。

背景技术

伴随着互联网技术的飞速发展，网络信息安全问题成为世界各国共同关注的焦点。入侵检测作为一种积极主动的安全防护技术，越来越受到网络安全研究者的青睐。网络入侵检测主要是通过判断网络中的数据包是否合法(根据数据包的相关信息)来判断用户行为是否为入侵。在网络入侵检测中，最核心的模块是入侵检测分析引擎，它主要包括特征选择和分类器两部分，特征选择的方法和分类器的性能直接影响着入侵检测系统的性能表现。

量子遗传算法(Quantum Genetic Algorithm QGA)是量子计算与遗传算法相结合的进化算法，是一种模拟自然界中物种进化机制的启发式搜索算法。在函数优化和组合优化等问题中，已经得到了广泛的应用，取得了比较好的成果。所以，量子遗传算法在函数优化以及组合优化中的应用具有非常重要的理论意义，而且，在实际工程同样具有重要的价值。

目前一些基于IQGA的基于IQGA的SVM参数优化入侵检测技术还存在一些缺陷，没有预先对比过滤的功能，使得检测的时间和过程较长。

发明内容

本发明的目的就在于为了解决上述问题而提供一种结构简单，设计合理的基于IQGA的SVM参数优化入侵检测方法。

本发明通过以下技术方案来实现上述目的：

基于IQGA的SVM参数优化入侵检测方法，包括以下步骤：

步骤S1：对得到的测试参数数据进行预处理；

步骤S2：利用IQGA算法程序对处理后的测试参数数据进行参数优化；

步骤S3：将经过优化处理后的测试参数数据输入数据对比库中进行对比，检测其与数据对比库中所储存的参数数据是否相同，相同则直接结束，不相同则进行下一步的处理；

步骤S4：利用预处理后的测试参数数据去寻找SVM模型参数，然后根据SVM模型参数构建入侵检测器；

步骤S5:将对比后不相同的测试参数数据输入构建好的入侵检测器中进行检测，满足要求的通过处理模块将最优参数输出，不满足要求的则通过处理模块将数据存储在数据对比库中。

作为本发明的进一步优化方案，所述利用IQGA进行优化计算的具体步骤如下：

步骤1：对种群进行初始化，其中为第m代中第j个染色体，其中为染色体中的个体基因的概率幅；

步骤2：通过对种群的测量，获得一组群体状态，随机在[0,1]之间产生一个数r_i,如果ri≥|α|²，x_i取1，否则取0，使个染色体基因位由介于[0,1]的不确定态转化为1或者0的确定态，以这种方式完成量子态的测量；

步骤3：对种群中每个染色体个体进行解码操作；

步骤4：计算适应度函数值以及目标函数值，并且记录最佳个体以及其适应度；