一种基于麻雀集群优化算法的网络入侵检测方法

一种基于麻雀集群优化算法的网络入侵检测方法，包括预处理网络入侵检测数据集；通过经过Tent扰动和高斯变异改进后的Tent映射初始化麻雀种群的个体位置，计算初始种群个体适应度值；通过个体适应度确定最优麻雀位置，输出混沌序列得到SF‑LSTM模型的超参数初始值，得到麻雀集群优化算法优化后的RF‑LSTM模型；对模型进行训练生成组合模型；向其中输入处理后的网络入侵检测数据集检测模型对于威胁数据的分类效果。根据全局适应度的变化对步长控制参数进行动态调整；构建得到麻雀集群优化算法‑RF‑LSTM组合检测模型。本发明利用麻雀集群优化算法来优化RF‑LSTM神经网络寻找最优超参数的方法，采用麻雀集群优化的RF‑LSTM能够加快模型的收敛，提升了入侵检测模型的检测精度并减少误报率。