Binary Tuna Swarm Optimization Algorithm-Based Feature Selection for Intrusion Detection Systems

doi:10.24138/jcomss-2025-0083

Binary Tuna Swarm Optimization Algorithm-Based Feature Selection for Intrusion Detection Systems

2025-12-01

1

PRE

AI

DOI：10.24138/jcomss-2025-0083

原文链接

原文求助

摘要

En 中文

选择对于通过解决维度灾难问题并消除无关特征来改进入侵检测系统至关重要。然而，将连续元启发式算法（如金枪鱼群优化算法TSO）应用于这一固有的二进制问题需要有效的二值化策略。本文提出了一种名为TUNA-FS的新型特征选择框架，该框架采用TSO算法的二值变体。所提出的方法引入了一种自适应V形转移函数，该函数动态管理二值化过程，并在整个搜索过程中保持探索与开发的平衡。此外，使用多目标适应度函数来联合优化关键目标：提高检测准确率、减少误报以及最小化所选特征的数量。该方法的优越性通过在NSL-KDD和CIC-IDS2017基准数据集上的全面实验得到验证。结果表明，该方法在实现显著特征减少的同时，能够在包括支持向量机、决策树、随机森林和k近邻在内的多种分类器中保持高检测性能。与最先进方法的比较分析证实了所提出框架的竞争力与均衡性能，使其成为一种有效提升入侵检测效率与准确率的技术。

Keyword:

Feature Selection

Binary Tuna Swarm Optimization

Intrusion Detection System

Adaptive Transfer Function

Multi-objective Optimization

Network Security

Binary Tuna Swarm Optimization Algorithm-Based Feature Selection for Intrusion Detection Systems

摘要

期刊

机构

引用论文