(1)随机产生初始解群,一1,初始化gen一0,s一0。其中,gen表示优化算法迭代次数;变量s表示保存的全局最优个体;
(2)判断gen是否达到确定的最大进化迭代数max,若相等跳到(1o),否则进行下一步;
(3)复制变量s到种群;
(4)计算解群的适应度值;
(5)淘汰适应度低的个体;
(6)判断n与n(本次实验使用的解群值)的关系若n<n跳到(3),否则进行下一步;
(7)根据适应度值选择两个染色体,按照预先定义好的交叉策略产生新的下一代;
(8)根据适应度值选择一个染色体,按照预先定义好的变异策略产生新的下一代;.
(9)gen=gen十1;
(10)结束。
3.2实验结果及分析
在解群大小为100,进化代数为5oo,得到数据如表1所示。
由普通算法和自适应优化算法的实验结果对照可以看出:在二者解群大小、迭代次数相同的情况下,后者的dr和fpr有一定程度的提高。随着解群数和迭代次数的增大,普通遗传算法和自适应优化算法的检测准确率都有所提高,同时检测误报率有一定程度的减小。
4结语
采用实数编码的形式,直接把带优化参数连成一个实数向量,实现复杂大空间的搜索。通过动态调整交叉概率和变异概率,利用多次迭代得出最优解,实现最优检测,最终达到提高检测的准确率,减少误报率的目的。该算法将具有自适应功能的优化算法应用到信息安全检测技术中,保证存在收敛于全局的最优解,实现了优化算法与信息安全检测技术的有机结合,提高了信息安全检测的准确率,适用于入侵攻击型检测与防范
上一页 [1] [2]