為了提升SVM算法的分類速度和精度,提出了一種基于CUDA和布谷鳥搜索算法（CSA）的CCS-SVM （CUDA and Cuckoo Search based Support Vector Machine）算法�？紤]到SVM算法在大規(guī)模數(shù)據(jù)下訓(xùn)練速度慢的缺點,利用基于CUDA的并行技術(shù)對SVM進行并行化。針對布谷鳥搜索算法尋優(yōu)精度低和收斂速度慢的問題,提出了兩點改進:第一,考慮了尋優(yōu)過程中個體適應(yīng)度對萊維飛行步長因子α的影響;第二,在偏好隨機游動環(huán)節(jié)引入慣性權(quán)重。最后利用CCS-SVM算法對工控網(wǎng)絡(luò)標準數(shù)據(jù)集進行入侵檢測仿真實驗,結(jié)果表明:該算法在保證入侵檢測準確率的同時,檢測速度提升了近3倍。 

【文章來源】：華東理工大學(xué)學(xué)報(自然科學(xué)版). 2019,45(01)北大核心CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

圖１ＣＵＤＡ編程模型Ｆｉｇ．１ＰｒｏｇｒａｍｍｉｎｇｍｏｄｅｌｏｆＣＵＤＡ

第１期陳漢宇，等：基于ＣＵＤＡ和布谷鳥算法的ＳＶＭ在工控入侵檢測中的應(yīng)用圖１ＣＵＤＡ編程模型Ｆｉｇ．１ＰｒｏｇｒａｍｍｉｎｇｍｏｄｅｌｏｆＣＵＤＡ式（１）。原理是將二次規(guī)劃問題分解為一系列子問題，每次迭代只更新兩個拉格朗日乘子，即只處理兩個樣本的優(yōu)化問題，從而高效求解了二次規(guī)劃問題。圖２并行ＳＶＭ流程圖Ｆｉｇ．２ＦｌｏｗｃｈａｒｔｏｆｐａｒａｌｌｅｌＳＶＭＳＶＭ算法并行化的關(guān)鍵在于找出哪些流程更適合ＧＰＵ計算，把串行過程簡單地移植到ＧＰＵ上并不能充分發(fā)揮其性能。分析ＳＶＭ訓(xùn)練過程可知，大量的矩陣運算是主要的時間開銷之一，以計算高斯核函數(shù)為例，其偽代碼如下：Ａｌｇｏｒｉｔｈｍ１ＲａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎＩｎｐｕｔｔｗｏｖｅｃｔｏｒｓ：Ｘ１，Ｘ２ＯｕｔｐｕｔｔｈｅｖａｌｕｅｏｆＲＢＦｋｅｒｎｅｌｆｕｎｃｔｉｏｎ（１）ＩｎｉｔｉａｌｉｚｅｆｅａｔｕｒｅＣｎｔｆｒｏｍＸ１，Ｘ２（２）ＩｎｉｔｉａｌｉｚｅｄｏｔＰｄｔＸ１＝ｄｏｔＰｄｔＸ２＝ｄｏｔＰｄｔＸ１Ｘ２＝０（３）Ｆｏｒｉ＝１ｔｏｆｅａｔｕｒｅＣｎｔＤｏ（４）ｄｏｔＰｄｔＸ１＋＝Ｘ１［ｉ］＊Ｘ１［ｉ］（５）ｄｏｔＰｄｔＸ２＋＝Ｘ２［ｉ］＊Ｘ２［ｉ］（６）ｄｏｔＰｄｔＸ１Ｘ２＋＝Ｘ１［ｉ］＊Ｘ２［ｉ］（７）ＥｎｄＦｏｒ（８）ＲｅｔｕｒｎｋｅｒｎｅｌｖａｌｕｅｕｓｉｎｇｄｏｔＰｄｔＸ１，ｄｏｔＰｄｔＸ２ａｎｄｄｏｔＰｄｔＸ１Ｘ２其中Ｘ１，Ｘ２表示兩個輸入樣

�。樱郑头诸惼髟冢嫡劢徊骝炞C下得到的準確率作為算法的適應(yīng)度值，并利用ＡＷＣＳＡ對訓(xùn)練集進行參數(shù)尋優(yōu)；最后選取適應(yīng)度最優(yōu)的（Ｃ，ｇ）來構(gòu)建ＣＣＳ－ＳＶＭ入侵檢測模型，對測試集進行分類。為了驗證ＣＣＳ－ＳＶＭ算法的優(yōu)越性，本文同時對ＣＳ－ＬＩＢＳＶＭ、ＩＣＳ－ＬＩＢＳＶＭ進行了實驗，各算法均迭代５０次，鳥巢數(shù)量都為２０，參數(shù)尋優(yōu)空間為［０．０１，１０００］，其他參數(shù)同２．３節(jié)。３．３仿真結(jié)果分析圖４示出了３種算法的收斂曲線，該圖反映了算法的收斂速度和分類精度�？梢钥闯�，ＣＣＳ－ＳＶＭ在第６次迭代時收斂到最優(yōu)解，ＩＣＳ－ＬＩＢＳＶＭ在第８代開始收斂，而ＣＳ－ＬＩＢＳＶＭ在２５代以后才能完全收斂；在分類精度上ＣＣＳ－ＳＶＭ也優(yōu)于ＩＣＳ－ＬＩＢＳＶＭ和ＣＳ－ＬＩＢＳＶＭ。圖４各算法收斂曲線Ｆｉｇ．４Ｃｏｎｖｅｒｇｅｎｃｅｃｕｒｖｅｓｏｆｄｉｆｆｅｒｅｎｔａｌｇｏｒｉｔｈｍｓ表５列出了各算法的檢測率、誤報率以及漏報率，這３個指標是評價入侵檢測系統(tǒng)性能的主要標準［２１］。為了證明并行化改進的有效性，表中還列出了各算法每次迭代的平均時間。表５入侵檢測關(guān)鍵指標值Ｔａｂｌｅ５ＫｅｙｐａｒａｍｅｔｅｒｖａｌｕｅｓｏｆｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎＡｌｇｏｒｉｔｈｍＤｅｔｅｃｔｉｏｎｒａｔｅ／％Ｆａｌｓｅｐｏｓｉｔｉｖｅｓ／％Ｆａｌｓｅｎｅｇａｔｉｖｅｓ／％Ａｖｅｒａｇｅｒｕｎｎｉｎｇｔｉｍｅ／ｓＣＳ－ＬＩＢＳＶＭ９

【參考文獻】：
期刊論文
[1]基于改進蝙蝠算法的工業(yè)控制系統(tǒng)入侵檢測[J]. 李金樂,王華忠,陳冬青.  華東理工大學(xué)學(xué)報(自然科學(xué)版). 2017(05)

碩士論文
[1]數(shù)據(jù)挖掘在入侵檢測中的應(yīng)用研究[D]. 張楠.電子科技大學(xué) 2015
[2]基于CUDA的車牌字符識別[D]. 王世春.復(fù)旦大學(xué) 2012



本文編號：3129192