基于ANFIS乌鸦搜索算法的网络入侵检测性能的优化  

Performance Optimization of Network Intrusion Detection Based on ANFIS Crow Search Algorithm

作　　者：张小奇[1] ZHANG Xiaoqi(Departmentof Information Engineering,Xuancheng Vocational and Technical College,Xuancheng,Anhui 242000)

机构地区：[1]宣城职业技术学院信息工程系,安徽宣城242000

出　　处：《绵阳师范学院学报》2023年第5期91-99,共9页Journal of Mianyang Teachers＇ College

摘　　要：入侵检测系统(IDS)用于检测网络或系统中的异常情况,对网络安全起着至关重要的作用.为降低误报率(FAR),提出了一种基于自适应神经模糊推理系统的乌鸦搜索优化算法(CSO-ANFIS).基于NSL-KDD数据集的入侵检测结果表明,所提模型检测率为95.80%,FAR为3.45%.Intrusion Detection Systems(IDS)play a crucial role in ensuring network security by detecting abnormal conditions in networks or systems.To reduce the False Alarm Rate(FAR),a Crow Search Optimization-based Adaptive Neuro-Fuzzy Inference System(CSO-ANFIS)is proposed.The intrusion detection results based on the NSL-KDD dataset show that the proposed model achieved a detection rate of 95.80%and a FAR of 3.45%,which is better than other models.

关 键 词：网络安全 入侵检测 自适应神经模糊推理系统 乌鸦搜索优化 NSL-KDD数据集 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP393.08[自动化与计算机技术—控制科学与工程]