[发明专利]基于改进型灰狼优化算法的入侵检测系统特征选择方法

权利要求书

1.一种基于改进型灰狼优化算法的入侵检测系统特征选择方法，其特征在于，包括以下步骤：

步骤1：输入所抓取的入侵数据，将含有标签的样本组成训练集T；

步骤2：初始化当前迭代次数、狼个体编号、狼群种群大小以及每一头狼个体的位置向量；

步骤3：根据位置向量计算每头狼的编码向量，并根据编码向量计算每一头狼的适应值；

步骤4：设定最大迭代次数为max_iter，根据适应值大小选取前三作为α，β和δ；

步骤5：更新每头狼的编码向量，并重新计算每头狼的适应值；

步骤6：更新α，β和δ的编码向量；

步骤7：判断t是否大于max_iter，若满足条件则输出α的编码向量，否则令t＝t+1后返回执行步骤5。

2.根据权利要求1所述的基于改进型灰狼优化算法的入侵检测系统特征选择方法，其特征在于：步骤1中，将已经收集到，且已知标签的入侵数据，用一条含有若干特征的向量表示，向量的每一维表示该数据的一个特征；所述标签的内容包括是否是入侵行为、是何种入侵行为；所述特征包括连接持续时间、协议类型、传送的字节数。

3.根据权利要求1所述的基于改进型灰狼优化算法的入侵检测系统特征选择方法，其特征在于：步骤2中，初始化迭代次数t＝1，狼个体初始编号i＝1，设狼群种群大小为K，每一头狼的位置均为入侵检测问题的候选解，对于从i＝1,2，…K的狼个体，在(0,max)内随机初始化狼群中狼i的位置向量向量维数为N，其中max表示狼个体的位置最大值。

4.根据权利要求3所述的基于改进型灰狼优化算法的入侵检测系统特征选择方法，其特征在于：步骤3中，根据位置向量计算每头狼的编码向量用如下等式将灰狼的位置从连续的值转变为0、1二进制编码值；

∀i∀j bin_position(i,j)=0ifposition(i,j)≤0.51ifposition(i,j)>0.5;]]>

其中position(i,j)表示中第j维的值，bin_position(i,j)表示中第j维的值；

根据狼的二进制编码向量计算狼的适应值，具体实现过程是：在狼的编码向量中，1代表特征被选中，0代表特征未被选中，令训练集T在编码向量对应选中特征下的训练集为T_solve，利用分类器计算将T_solve进行分类后的平均精度或分类错误率，将该精度作为狼群编码向量所对应的适应值P_i。