基于天鹰优化算法的XGBoost模型的网络入侵检测研究
蔡继永
滁州城市职业学院管理与信息学院,安徽滁州 239000
摘要：针对现有网络入侵检测算法存在的精确率低、检测耗时过长等不足,设计了一种基于天鹰优化算法的XGBoost模型.先对进入本地网络的数据集做预处理,改善数据集的无量纲性;建立XGBoost的树结构同步拆分目标函数,评估期望值和输出值之间的差距;引入天鹰优化算法在不同的迭代阶段动态选择关键参数值,利用加权直方图精确选择分裂点以控制树结构的规模,降低模型的复杂度.实验结果显示,提出优化算法有较强的迭代效率,训练集和测试集的精确率分别为99.3％和99.4％,在检测耗时控制等方面也有一定优势,由此可以得出结论:基于天鹰优化算法的XGBoost模型在入侵检测方面有良好的适用性.
关键词：XGBoost模型天鹰算法加权直方图迭代效率
分类号：TN249(光电子技术、激光技术)
资助基金：滁州城市职业学院校级科研项目(2024zkyb03)滁州城市职业学院校级科研项目(2024skyb13)
论文发表日期：2025-12-30
在线出版日期：2026-01-17（本平台首次上网日期，不代表文献的发表时间）
页数：8( 42-49 )
英文信息