?????????歡迎來到本博客????????

??博主優(yōu)勢：??????博客內(nèi)容盡量做到思維縝密，邏輯清晰，為了方便讀者。

??座右銘：行百里者，半于九十。

??????本文目錄如下：??????

目錄

??1 概述

??2 運(yùn)行結(jié)果

?

??3?參考文獻(xiàn)

??4 Matlab代碼實現(xiàn)

---

??1 概述

物聯(lián)網(wǎng) （IoT） 服務(wù)和設(shè)備帶來了許多挑戰(zhàn)，例如連接性、計算性和安全性。因此，網(wǎng)絡(luò)應(yīng)提供并保持優(yōu)質(zhì)服務(wù)。如今，根據(jù)最近的研究，分布式拒絕服務(wù)（DDoS）攻擊是最重要的網(wǎng)絡(luò)攻擊。在各種DDoS檢測方法中，機(jī)器學(xué)習(xí)（ML）算法吸引了研究人員。在 ML 中，選擇最佳特征子集對于提高分類率具有重要作用。這個問題稱為特征選擇問題屬于NP難題，精確的算法無法在可接受的時間內(nèi)獲得最佳結(jié)果。因此，采用元啟發(fā)式算法等近似算法來解決問題。由于這些算法不會搜索所有解空間，因此它們屬于局部最優(yōu)并提供過早的收斂率。到目前為止，已經(jīng)引入了幾種方法來應(yīng)對這些挑戰(zhàn)，但研究人員試圖找到提高方法性能的新策略。該文提出一種二進(jìn)制改進(jìn)的非洲禿鷲優(yōu)化算法（Sin-Cos-bIAVOA）來選擇DDoS攻擊的有效特征。該方法應(yīng)用了一種新的化合物傳遞函數(shù)（Sin-Cos）來增加探索。為了選擇要素的最佳子集，該方法中采用重力固定半徑最近鄰 （GFRNN） 作為分類器。此外，AVOA在勘探、平衡勘探和開發(fā)以及開發(fā)階段三個階段進(jìn)行了改進(jìn)。因此，Sin-Cos-bIAVOA探索有希望的領(lǐng)域，以實現(xiàn)最佳解決方案并避免局部最優(yōu)陷阱。

??2 運(yùn)行結(jié)果

?

?部分代碼：

function [Best_vulture1_F,Best_vulture1_X]=sin_cos_bIAVOA(pop_size,max_iter,dim,fobj)

lower_bound=-6;upper_bound=6;
% initialize Best_vulture1, Best_vulture2
Best_vulture1_X=zeros(1,dim);
Best_vulture1_F=inf;
Best_vulture2_X=zeros(1,dim);
Best_vulture2_F=inf;
%Initialize the first random population of vultures
X=double(initialization(pop_size,dim,1,0)>0.5);
%% ?Controlling parameter
p1=0.6;
p2=0.4;
p3=0.6;
alpha=0.8;
betha=0.2;
gamma=2.5;
%%Main loop
current_iter=0; % Loop counter
while current_iter < max_iter
? ? for i=1:size(X,1)
? ? ??
? ? ? ? S1=cos(X(i,:))/2+0.5;
? ? ? ? X1=rand(1,dim)<S1;
? ? ? ? ObjVal1=feval(fobj,X1);
? ? ? ? S2=sin(X(i,:))/2+0.5;
? ? ? ? X2=rand(1,dim)<S2;
? ? ? ? ObjVal2=feval(fobj,X2);
? ? ? ? XX=[X1;X2];
? ? ? ??
? ? ? ? fiti=[ObjVal1;ObjVal2];
? ? ? ? [~,ind]=min(fiti(:,1));
? ? ? ? X(i,:)=XX(ind,:);
? ? ? ? current_vulture_X = X(i,:);
? ? ? ? current_vulture_F=fiti(ind,:);
? ? ? ? fit(i,:)=fiti(ind,:);
? ? ? ??
? ? ? ? % Update the first best two vultures if needed and Calculate the fitness of the population
? ? ? ? if current_vulture_F(1)<Best_vulture1_F(1)
? ? ? ? ? ? Best_vulture1_F=current_vulture_F; % Update the first best bulture
? ? ? ? ? ? Best_vulture1_X=current_vulture_X;
? ? ? ? end
? ? ? ? if current_vulture_F(1)>Best_vulture1_F(1) && ...
? ? ? ? ? ? ? ? current_vulture_F(1)<Best_vulture2_F(1)
? ? ? ? ? ? Best_vulture2_F=current_vulture_F; % Update the second best bulture
? ? ? ? ? ? Best_vulture2_X=current_vulture_X;
? ? ? ? end
? ? end
? ? worst=max(fit(:,1));
? ? a=unifrnd(-2,2,1,1)*((sin((pi/2)*(current_iter/max_iter))^gamma)+cos((pi/2)*(current_iter/max_iter))-1);
? ? P1=(2*rand+1)*(1-(current_iter/max_iter))+a;
? ? % Update the location
? ? for i=1:size(X,1)
? ? ? ? current_vulture_X = X(i,:); ?% pick the current vulture back to the population
? ? ? ? F=P1*(2*rand()-1);
? ? ? ? random_vulture_X=random_select(Best_vulture1_X,Best_vulture2_X,alpha,betha);
? ? ? ? if (current_iter<=(1/3*max_iter))
? ? ? ? ? ??
? ? ? ? ? ? current_vulture_X = exploration(current_vulture_X, random_vulture_X, F, p1, upper_bound, lower_bound);
? ? ? ? ? ? % Exploitation:
? ? ? ? elseif (current_iter>(1/3*max_iter)&& ?(current_iter<=(2/3*max_iter)))
? ? ? ? ? ? prob=(fit(i)-worst)/(Best_vulture1_F(1)-worst);
? ? ? ? ? ? if (prob>0.4)
? ? ? ? ? ? ? ? current_vulture_X= exploitation(current_vulture_X, Best_vulture1_X, Best_vulture2_X, random_vulture_X, F, p2, p3, dim, upper_bound, lower_bound);
? ? ? ? ? ? else
? ? ? ? ? ? ? ? current_vulture_X = exploration(current_vulture_X, random_vulture_X, F, p1, upper_bound, lower_bound);
? ? ? ? ? ? end
? ? ? ? else
? ? ? ? ? ? current_vulture_X = exploration(current_vulture_X, random_vulture_X, F, p1, upper_bound, lower_bound);
? ? ? ? end
? ? ? ? X(i,:) = current_vulture_X; % place the current vulture back into the population
? ? end
? ??
? ? current_iter=current_iter+1;
? ??
? ? X = boundaryCheck(X, lower_bound, upper_bound);
? ? fprintf('Iteration=%d Best_Fitness(Fitness Function,Accuracy,Precision,Recall,Specificity)=%f,%f,%f,%f,%f\n', current_iter,Best_vulture1_F );
? ??
end

end

??3?參考文獻(xiàn)

部分理論來源于網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系刪除。

[1]Zakieh Sharifian, Behrang Barekatain, Alfonso Ariza Quintana, Zahra Beheshti, Faramarz Safi-Esfahani (2023), Sin-Cos-bIAVOA: A new feature selection method based on improved African vulture optimization algorithm and a novel transfer function to DDoS attack detection, Expert System with Application, https://doi.org/10.1016/j.eswa.2023.120404文章來源地址http://www.zghlxwxcb.cn/news/detail-544998.html

??4 Matlab代碼實現(xiàn)

到了這里，關(guān)于【DDoS攻擊檢測】基于改進(jìn)的非洲禿鷲優(yōu)化算法和一種新的DDoS攻擊檢測傳遞函數(shù)的特征選擇方法（Matlab代碼實現(xiàn)）的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！