[发明专利]基于并行多人工蜂群算法和支持向量机的入侵检测方法

摘要

本发明公开了一种基于并行多人工蜂群算法和支持向量机的入侵检测方法，首先对原始的人工蜂群算法进行了重新设计，包括：蜜源编码方案的设计、种群的初始化设计、适应度评价函数的构造、蜜源的邻域搜索方法和招募观察蜂概率的计算，克服了算法易早熟、解的多样性差、易陷入局部最优、后期收敛速度慢等问题。其次，设计了多蜂群间的信息交流与协作机制，利用并行执行技术，给出了双环形多蜂群并行协同优化模型，用于对特征和支持向量机模型参数进行同步优化。然后，基于该协同优化模型，给出了基于并行多人工蜂群算法和支持向量机的入侵检测方法和模型。

主权项

基于并行多人工蜂群算法和支持向量机的入侵检测方法，包括训练阶段和检测阶段；其特征是，所述训练阶段包括如下步骤：步骤A.采集网络连接数据，用来对检测系统进行训练；步骤B.将采集的训练数据集分成学习集和验证集；步骤C.对学习集和验证集进行预处理；步骤D.设置多蜂群协同优化模型中每个蜂群算法初始参数，对蜜蜂种群进行初始化，产生初始蜂群，即产生初始网络连接特征和SVM模型参数；步骤E.多蜂群协同优化模型在学习集和验证集上进行不断迭代，对网络连接特征和SVM模型参数进行同步优化，最终输出最优的蜜源位置向量，即最优的网络连接特征向量和SVM模型参数向量；步骤F.按照步骤E输出的最优的SVM模型参数向量对SVM的参数进行设置，得到最终的网络入侵检测模型；所述检测阶段包括如下步骤：步骤G.对网络数据流进行实时采集，并采用与步骤C相同的预处理方式对采集到的待检测数据进行预处理；步骤H.按照步骤E输出的最优的网络连接特征向量，对采集到的待检测数据进行特征提取；步骤I.将步骤H特征提取后所得的数据输入步骤F训练得到的最终的网络入侵检测模型中，一但检测到入侵攻击，则通知网络管理员进行相应的处理。