.png){kind=icon}
返回
A Quantum-Inspired Algorithm for Clustering and Intrusion Detection
.png){kind=icon}
PRE
AI
DOI：10.32604/cmc.2025.074256.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
入侵检测系统（IDS）是一种用于观察网络流量并识别可疑或恶意活动的安全机制。聚类算法常被整合到IDS中；然而，传统的基于聚类的算法存在明显缺陷，包括处理高维数据集时的可扩展性差以及结果对初始条件的高度依赖。为克服现有方法的性能限制，本研究提出了一种新颖的量子启发聚类算法，该算法基于相似系数量子遗传算法（SC-QGA）和改进的量子人工蜂群算法混合K-means（IQABC-K）。首先，SC-QGA算法基于量子计算构建，并整合相似系数理论以增强遗传多样性和特征提取能力。在后续聚类阶段，基于IQABC-K算法的过程通过自适应旋转门和运动开发策略的核心改进，平衡了全局搜索的探索能力和局部搜索的开发能力。同时，通过全局最优引导策略和线性种群缩减策略，促进了向全局最优的加速收敛和计算复杂度的降低。通过多种算法和不同性能指标的实验评估，所提算法在三个数据集（KDD CUP99、NSL_KDD和UNSW_NB15）上证实了可靠的准确性，分别达到98.57%、98.81%和98.32%。这些结果证实了其在实际聚类应用中的有效解决方案潜力。
Keyword:
Intrusion detection
clustering
quantum artificial bee colony algorithm
K-means
quantum genetic algorithm
查看更多机构