Resumen

Como parte importante de la detección de intrusiones, la selección de características desempeña un papel significativo en la mejora del rendimiento de la detección de intrusiones. El algoritmo de enjambre de krill (KH) es un algoritmo eficiente de inteligencia de enjambre con un excelente rendimiento en la minería de datos. Para resolver el problema de la baja eficiencia y la alta tasa de falsos positivos en la detección de intrusiones causada por el aumento de datos de alta dimensionalidad, se propone un algoritmo mejorado de enjambre de krill basado en el paso de vecino más cercano lineal con lasso (LNNLS-KH) para la selección de características de detección de intrusiones en red. El número de características seleccionadas y la precisión de clasificación se introducen en la función de evaluación de aptitud del algoritmo LNNLS-KH, y el movimiento de difusión física de los individuos de krill se transforma mediante un método no lineal. Al mismo tiempo, se realiza la optimización del paso de vecino más cercano lineal

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Detección de intrusos; Selección de características; Algoritmo del rebaño de krill; LNNLS-KH; Datos de alta dimensión; Precisión de la clasificación
• Keywords:Intrusion detection; Feature selection; Krill herd algorithm; LNNLS-KH; High-dimensional data; Classification accuracy