.png){kind=icon}
返回
Goat house swallow algorithm based deep learning for intrusion detection in cloud computing with MapReduce framework
.png){kind=icon}
PRE
AI
DOI：10.1016/j.compeleceng.2026.111476.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）是云计算环境中的一项重要安全解决方案，能够实现攻击和恶意行为的早期检测。通过利用IDS提供的数据，可以采取适当的措施并缓解否则会严重削弱网络安全的攻击。传统的IDS在智能评估大数据以识别异常行为方面存在局限性。本研究设计了基于Goat House Swallow Algorithm的深度卷积神经模糊推理系统（GHSA_DCNFIS）用于云计算中的入侵检测。首先，模拟云系统模型，然后从数据集中获取输入日志文件。入侵检测使用MapReduce框架进行，包括mapper和reducer两个阶段。数据使用双曲正切（tanh）函数进行归一化，并通过深度表格学习（TabNet）在mapper阶段选择相关特征。在reducer阶段，数据根据K-means-合成少数过采样技术（SMOTE）进行增强。最后，利用深度卷积神经模糊推理系统（DCNFIS）进行入侵检测。此外，DCNFIS采用Goat House Swallow Algorithm（GHSA）进行训练。然而，GHSA是通过整合Goat Optimization Algorithm（GOA）与House Swallow Optimizer（HSO）引入的。此外，GHSA_DCNFIS获得了96.743%的准确率、98.399%的检测率、95.292%的F1-score、95.246%的精确率和95.338%的召回率。
Keyword:
Cloud computing
Intrusion detection
MapReduce framework
Deep convolutional neuro-fuzzy inference system
Goat optimization algorithm
