欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022104623595
申请人: 湖北工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种用于入侵检测的多目标麻雀搜索特征选择方法,其特征在于,包括:步骤1:对网络入侵流量原始数据包进行特征提取操作,对数据集进行数值化、去重、缺失值填充数据清洗操作,将经过预处理的数据集上传至分布式文件系统HDFS中,存储路径记作dataPath;步骤2:构建多目标的评价函数,一为特征子集的大小,特征数目为num,二为特征子集的评价效果,准确率为acc;步骤3:采用分布式多目标麻雀搜索算法对特征子集进行优化选择,得到关于特征数目num和准确率acc的初始外部精英解集;步骤4:根据非支配排序层级和拥挤度距离进行优先级排序,对麻雀个体进行类别划分,根据优先级按2:8划分为生产者与乞讨者,抽取20%随机的警惕者,以处于最小支配层级同时拥挤度距离最大的解作为当前最优解x所述外部精英解集为当前多目标麻雀算法寻找到的帕累托最优解集;

步骤3的具体实现包括:步骤3.1:在主节点Spark Driver上采用反向学习机制初始化整个麻雀种群的信息,使用sc.broadcast函数将初始种群广播至所有计算节点;步骤3.2:初始化SparkContext变量为sc,采用sc.textFile函数并行读取位于HDFS上路径为dataPath的数据集,得到分布式弹性数据集dataRDD;步骤3.3:在麻雀种群基础上,对每个麻雀个体的适应度在特征数目num和准确率acc两方面在dataRDD各个分区中进行评价,使用快速非支配排序,基于外部解集存档和平衡决策空间的多样性拥挤度排序方法,更新外部精英解集;

所述初始化整个麻雀种群的信息,包括:初始化麻雀种群的大小、麻雀种群的初始位置x、麻雀种群的二进制映射位置v、种群的最大迭代次数iter

步骤3.3的具体实现包括:步骤3.3.1:根据二进制映射位置v的数值对数据集dataRDD进行特征筛选;步骤3.3.2:在dataRDD上,使用Spark中的mapPartitionWithIndex函数在各分区中并行的对特征数目num和准确率acc进行计算,得到相应目标函数值;步骤3.3.3:基于特征数目num和准确率acc的目标函数值对麻雀个体进行非支配分层排序;步骤3.3.4:将第一层的非支配个体与外部精英解集合并产生新的精英解集,对其中的麻雀个体j进行拥挤度计算,计算拥挤度距离时引入决策空间的解的多样性考虑,并按照拥挤度距离由大到小对优先级进行排序;步骤3.3.5:判断外部精英解集是否达到最大上限N;若是,则剔除拥挤度距离小于第N个个体的其他所有麻雀个体,返回最新的外部精英解集;若否,直接将当前解集作为最新的外部精英解集返回。

2.一种用于入侵检测的多目标麻雀搜索特征选择装置,其特征在于,包括:第一主模块,用于实现步骤1:对网络入侵流量原始数据包进行特征提取操作,对数据集进行数值化、去重、缺失值填充数据清洗操作,将经过预处理的数据集上传至分布式文件系统HDFS中,存储路径记作dataPath;第二主模块,用于实现步骤2:构建多目标的评价函数,一为特征子集的大小,特征数目为num,二为特征子集的评价效果,准确率为acc;第三主模块,用于实现步骤3:采用分布式多目标麻雀搜索算法对特征子集进行优化选择,得到关于特征数目num和准确率acc的初始外部精英解集;第四主模块,用于实现步骤4:根据非支配排序层级和拥挤度距离进行优先级排序,对麻雀个体进行类别划分,根据优先级按2:8划分为生产者与乞讨者,抽取20%随机的警惕者,以处于最小支配层级同时拥挤度距离最大的解作为当前最优解x所述外部精英解集为当前多目标麻雀算法寻找到的帕累托最优解集;

步骤3的具体实现包括:步骤3.1:在主节点Spark Driver上采用反向学习机制初始化整个麻雀种群的信息,使用sc.broadcast函数将初始种群广播至所有计算节点;步骤3.2:初始化SparkContext变量为sc,采用sc.textFile函数并行读取位于HDFS上路径为dataPath的数据集,得到分布式弹性数据集dataRDD;步骤3.3:在麻雀种群基础上,对每个麻雀个体的适应度在特征数目num和准确率acc两方面在dataRDD各个分区中进行评价,使用快速非支配排序,基于外部解集存档和平衡决策空间的多样性拥挤度排序方法,更新外部精英解集;

所述初始化整个麻雀种群的信息,包括:初始化麻雀种群的大小、麻雀种群的初始位置x、麻雀种群的二进制映射位置v、种群的最大迭代次数iter

步骤3.3的具体实现包括:步骤3.3.1:根据二进制映射位置v的数值对数据集dataRDD进行特征筛选;步骤3.3.2:在dataRDD上,使用Spark中的mapPartitionWithIndex函数在各分区中并行的对特征数目num和准确率acc进行计算,得到相应目标函数值;步骤3.3.3:基于特征数目num和准确率acc的目标函数值对麻雀个体进行非支配分层排序;步骤3.3.4:将第一层的非支配个体与外部精英解集合并产生新的精英解集,对其中的麻雀个体j进行拥挤度计算,计算拥挤度距离时引入决策空间的解的多样性考虑,并按照拥挤度距离由大到小对优先级进行排序;步骤3.3.5:判断外部精英解集是否达到最大上限N;若是,则剔除拥挤度距离小于第N个个体的其他所有麻雀个体,返回最新的外部精英解集;若否,直接将当前解集作为最新的外部精英解集返回。

3.一种电子设备,其特征在于,包括:

至少一个处理器、至少一个存储器和通信接口;其中,

所述处理器、存储器和通信接口相互间进行通信;

所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以执行权利要求1所述的方法。

4.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行权利要求1所述的方法。