基于正余弦和变色龙群优化的SVM网络入侵检测方法

本发明公开了一种基于正余弦和变色龙群优化的SVM网络入侵检测方法，包括：使用min‑max归一化方法对NSL‑KDD数据集进行归一化，并按照7:3的比例切割成训练集和测试集；初始化变色龙种群，并利用SVM的准确率来评估每个变色龙的位置；利用改进的变色龙狩猎策略更新全部变色龙个体的位置；计算所有变色龙的适应度并评估是否保留当前的位置；当达到最大迭代次数时，将当前变色龙种群中最佳变色龙的位置作为SVM中的惩罚系数C和高斯核函数参数γ；训练最优参数的SVM并利用测试集进行测试，输出检测结果。其能够防止单个个体过早收敛到局部最优，实现探索和开发之间的平衡，提高了变色龙群算法的收敛速度和准确率，进一步得到SVM的最优参数，提升了检测入侵的准确率。