14、入侵检测系统与天线优化技术研究

入侵检测系统与天线优化技术研究

1 入侵检测系统研究

1.1 TCB分类器参数调优

在入侵检测系统中，TCB分类器的参数调优对其性能至关重要。以下是TCB分类器的调优参数表：
| TCB参数 | 调优值1 | 调优值2 | 调优值3 |
| — | — | — | — |
| 迭代次数 | 1000 | 1200 | 1500 |
| 学习率 | 0.01 | 0.03 | 0.1 |
| 损失函数、详细信息和任务类型 | 交叉熵，0和GPU | 交叉熵，0和GPU | 交叉熵，0和GPU |
| 深度 | 6 | 8 | 10 |
| 叶正则化 | 3 | 6 | 9 |
| 分类器准确率(%) | ≤87 | ≤93 | ≥97 |
| 错误率(%) | 13 | 7 | 3 |

通过调整这些参数，可以使分类器在攻击预测时提高准确率并降低错误率。

1.2 评估实验设置

实验在Ubuntu Linux 64位系统环境下进行，使用Anaconda环境的Python实现。硬件配置包括Intel Xeon E5 - 2600、16GB RAM、GTX 1050Ti 4GB显卡和6TB硬盘的机架服务器。训练和测试集的数据来自NSL - KDD数据集，具体实验流程如下：
1. 数据预处理 ：通过清理和编码模块提取非重复且有用的特征，存储到特征向量中。为减少机器学习算法的学习混淆（零值）问题，构建了新特征（NSLKDD_CF）。
2. 特征选择 ：使用PSO和