傳統(tǒng)艦船通信網絡的入侵特征選擇與優(yōu)化方法,檢測效率和準確率較低,選擇結果中存在大量冗余特征。為了提高檢測結果準確率,利用遺傳算法研究一種新的艦船通信網絡的入侵特征選擇與優(yōu)化方法,通過設立徑向基核函數將選擇艦船通信網絡入侵特征這一過程映射到高維空間進行計算,通過特征選擇完成參數優(yōu)化,建立優(yōu)化模型。測試結果表明,基于遺傳算法的特征選擇與優(yōu)化方法能夠有效消除無用特征和冗余特征,在短時間能提高檢測的準確率,同時提高檢測的準確率和效率。 

【文章來源】：艦船科學技術. 2020,42(12)北大核心

【文章頁數】：3 頁

【部分圖文】：

特征值選擇結果Fig.2Eigenvalueselectionresults

圖1不同方法的入侵特征檢測適應度對比Fig.1Comparisonofdifferentmethodsofintrusionfeaturedetectionfitness分析可知，無論是傳統(tǒng)方法還是本文方法都可以實現艦船通信網絡的入侵特征選擇與優(yōu)化，但是本文研究的方法網絡入侵檢測率更高，在檢測到第50次時，本文研究的方法適應度函數已經基本穩(wěn)定，確定在97%上，而傳統(tǒng)方法在檢測到第55次，才達到基本穩(wěn)定。由此可見，本文研究的特征選擇與優(yōu)化方法的實用性更強。選用傳統(tǒng)方法和本文方法計算相同數據及10次所選數目的平均值，得到的實驗對比結果如圖2所示。原始特征共有41個，分析可知，本文方法和傳統(tǒng)方法選擇的特征數值均低于得到的原始特征值，這一現象表明選擇網絡特征中依舊存在無用特征和冗余特征，而本文研究的特征選擇方法選擇特征數量明顯少于傳統(tǒng)方法選擇的特征數量，由此可以表明，本文研究的方法可以充分利用特征選擇對參數進行優(yōu)化，不僅能夠降低特征維數，同時能夠減少計算量，提高檢測艦船通信網絡入侵特征的效率，這一檢測方法與現代網絡入侵的實時性要求更加相符。圖2特征值選擇結果Fig.2Eigenvalueselectionresults4結語目前研究的艦船通信網絡入侵檢測方法中，很容易出現特征選擇與參數優(yōu)化不匹配的問題。為此，本文提出一種新的方法。對比實驗結果表明，本文研究的方法能夠很好地實現通信網絡入侵檢測，有效去除無用特征和冗余特征，分析輸入變量，并對輸入變量進行變維，提高入侵特征檢測的工作效率和準確率，進一步確保艦船通信網絡的安全性。參考文獻：石樂義,朱紅強,劉祎豪,等.基于相關信息熵和CNN-BiLSTM的工業(yè)控制系統(tǒng)入侵檢測[J].計算機研究與發(fā)展,2019,56(11):2330–2338.[1]劉

【參考文獻】：
期刊論文
[1]基于相關信息熵和CNN-BiLSTM的工業(yè)控制系統(tǒng)入侵檢測[J]. 石樂義,朱紅強,劉祎豪,劉佳.  計算機研究與發(fā)展. 2019(11)
[2]特征分層結合改進粒子群算法的近紅外光譜特征選擇方法研究[J]. 徐寶鼎,秦玉華,楊寧,高銳,苑程程.  光譜學與光譜分析. 2019(03)
[3]基于放射組學特征的胃腸道間質瘤的分類預測[J]. 劉平平,張文華,盧振泰,陳韜,李國新.  計算機科學. 2019(01)
[4]基于GANBPSO-SVM的高光譜影像特征選擇方法[J]. 謝福鼎,姚嬈.  地理科學. 2018(06)



本文編號：3119826