[发明专利]一种QSFLA-SVM的感知入侵检测方法

摘要

本发明提供一种QSFLA‑SVM的感知入侵检测方法，设置相关参数；对青蛙种群的位置进行初始化；将每个青蛙个体的位置信息传入支持向量机异常序列检测模型，将计算出的测试集分类正确率作为每个青蛙个体适应度函数值，对青蛙种群进行降序排列并对排列后的种群进行子种群划分；利用量子粒子群更新机制对每个青蛙子种群最坏个体进行更新，直到达到局部最大迭代次数；进行全局信息交换，如果达到全局最大迭代次数，则返回全局最优青蛙个体，此时该个体位置信息为SVM异常序列检测模型对测试集分类取得最大正确率时参数最优值，输出最优测试集分类结果。本发明结合基于量子粒子群搜索机制的量子衍生混合蛙跳入侵检测算法和支持向量机来进行入侵检测。

主权项

1.一种QSFLA-SVM的感知入侵检测方法，其特征在于：步骤如下：步骤(1)：设置相关参数：聚类中心个数、青蛙种群规模、子种群数、全局最大迭代次数、局部最大迭代次数、收缩扩张因子的上限和下限；步骤(2)：随机生成种群以及相关参数初始化：随机生成种群位置M＝[M1,M2,…,Mi,…,MN]，N为粒子数目，其中第i个青蛙个体可以表示为Mi＝[Mi1,Mi2,…,MiD]，D表示解的维度；所采用每个粒子由两个分量构成，分别代表SVM惩罚因子C和径向基核函数σ的位置，设置位置分量两个初始化的限定范围为[Xcmin,Xcmax]和[Xσmin,Xσmax]；步骤(3)：适应度函数值的计算：对于每个青蛙个体，将其位置信息Xic和Xiσ传入基于SVM的序列检测模型，在对偶支持向量机参与下，对于功能码序列进行交叉验证检测，最后计算出分类正确率作为每个青蛙个体的适应度函数值：①接受PSO参数优化流程传递的惩罚因子C和径向基核函数参数σ，作为参数保留以待输入支持向量机模型；②标定样本，赋予所有样本类别标签。捕获的正常功能码序列样本标签设置为+1，异常功能码序列样本标签设置为－1；③构造对偶支持向量机模型；④构造决策函数；⑤根据判别函数计算SVM的分类准确率，且将该值返回量子蛙跳算法参数优化流程，作为粒子适应度计算函数F(X)的取值；⑥根据适应度函数值，对青蛙种群进行降序排列；⑦划分子种群。步骤(4)：种群更新：更新公式为：newMw＝Ci-β×|Mb-Mw|×ln(1/randu5)when randu6≥0.5newMw＝Ci+β×|Mb-Mw|×ln(1/randu5)when randu6＜0.5根据更新公式对每个子种群中最坏青蛙个体进行更新进化，直到达到局部最大迭代次数；步骤(5)：全局信息交换：将所有青蛙个体进行混合，全局迭代次数加1，生成新的青蛙种群，若未达到全局最大迭代次数，通过适应度函数，继续搜索，否则，搜索结束，记录全局最优青蛙个体，此时的全局最优极值即为所需最佳参数，并将其转换为SVM惩罚因子C和径向基核函数σ的位置，传入基于SVM的入侵检测模型对测试序列进行检测，输出最优测试集分类结果。