Jan, 2022

基于特征选择的入侵检测系统：采用遗传鲸优化算法与基于样本分类

PDF
TL;DR本文提出了一种基于特征选择算法的网络入侵检测系统，该算法采用鲸鱼优化算法和遗传算法来挑选入侵节点特征，并结合 KNN 分类算法进行检测，实验结果表明该方法在准确性方面具有优越性。
wireless networksintrusion detectionfeature selectiongenetic algorithmwhale optimization algorithm
发现论文，激发创造
  • 基于生物启发特征选择的慢性疾病预测数据集优化

    通过比较分析，本研究证明了生物启发式优化算法在慢性疾病预测的特征选择中的有效性，并强调了数据预处理的重要性，为提高医疗保健结果提供了宝贵的见解。

    Dec, 2023

  • 网络入侵检测中注重检测率的多目标进化特征选择

    本研究提出了 DR-MOFS，将网络入侵检测中的特征选择问题建模为一个三目标优化问题，通过使用多目标进化算法同时优化特征数量、准确率和检测率，实验结果表明，该方法在大多数情况下优于以前的方法，即减少特征数量，提高准确率和检测率。

    Jun, 2024

  • 无线网络中的遗传算法：技术、应用与问题

    本文首次全面综述遗传算法在无线网络中的应用，强调了其在机器学习、优化和分类方面的卓越通用性和适应性。

    Nov, 2014

  • 智能警报生成的混合方法

    本文提出了一种混合模型用于警报系统，该模型将统计模型与白名单机制相结合，以解决大规模网络系统中可伸缩性、数据异构性、可泛化性和可维护性的挑战，从而减少假阳性警报。

    Jun, 2023

  • 提升入侵检测系统的网络安全挖掘技术

    本文解决入侵检测系统中分类器存在的问题，提出使用顺序向后搜索和信息增益进行改进的特征选择方法以及利用离散随机变量和概率质量函数将名义网络特征转换为数值型特征的方法，并组合使用已知的标准化方法来实现混合标准化方法，通过广泛的比较研究证明改进后的方法在性能上表现更好。

    Dec, 2012

  • 利用机器学习技术在基于雾计算的无线传感器网络中缓解拒绝服务攻击

    无线传感器网络中使用决策树和 XGBoost 两种机器学习模型能够更准确地识别拒绝服务攻击并减少影响，XGBoost 模型具有更高的真正阳性率（98.3%）和更低的假阳性率（1.7%）。

    Sep, 2023

  • 一种基于改进人工鱼群算法的无线传感器节点能量感知聚类算法

    本文提出了一种基于人工鱼群算法的新型算法，通过平衡局部和全局搜索以及改进聚类问题的收敛速度来提高标准 AFSA 的性能，并将其与该领域的一些先进技术进行了比较，结果表明该技术的优越性。

    May, 2015

  • 基于遗传算法的带有噪声标签的二元分类问题中的特征选择优化

    在带有噪声标签的情况下，我们提出了一种新颖的基于遗传算法的方法，即噪声感知多目标特征选择遗传算法（NMFS-GA），用于在具有噪声标签的二分类问题中选择最优特征子集。我们在合成数据集、具有噪声特征的乳腺癌数据集以及用于痴呆转化预测的现实世界 ADNI 数据集上评估了 NMFS-GA。结果表明，NMFS-GA 能够在具有噪声标签的情况下有效选择改善二分类器准确性和可解释性的特征子集。

    Jan, 2024

  • IDS 中利用孔雀交配概念进行特征选择

    该研究论文提出了一种基于云计算的入侵检测系统，利用具有高度性能、低成本、可伸缩性和灵活性的云服务来确保信息安全，并使用将孔雀的交配行为纳入优化算法的特征选择算法来减少云数据的规模，以提高入侵检测系统的效率。该研究使用了 NSL-KDD 数据集和 Kyoto 数据集进行实验证明该模型是一种更好和更高效的入侵检测系统。

    Feb, 2024

  • 基于神经网络的水处理系统异常检测及自动架构优化

    利用安全水处理工业控制系统测试数据集继续发展基于神经网络的异常检测方法，并提出应用遗传算法来寻找最佳神经网络结构，使用 NAB 值评估不同结构的质量，以及引入了多种技术来改进 AD 的质量，包括指数加权平滑、均值 p - 次方误差度量、每个变量的单独误差权重和不相交预测窗口。

    Jul, 2018