周 跃

(安徽工业职业技术学院， 安徽 铜陵 244000)

入侵检测是网络运行中为了保护内部用户信息、防止外部攻击所采用的一种系统保护机制。入侵检测机制包括入侵检测技术和机器学习方法两部分，入侵检测技术需在机器学习的基础上来实现[1-2]。无线传感网络入侵检测需要具备较高的测算精准度、较强的检测稳定性及较低的检测误差率等优势的算法模型来支撑。入侵检测在模式匹配、规则匹配和协议分析的基础上完成，其识别率和精准度有待进一步提高。象群算法是基于象群移动特性而设计的一种群体智能优化算法[3]。一个象群同时可分为好几个氏族，每个氏族中都有一个女族长，每一代都有成年雄象因适应性差而离开族群，因此族群会以族长为中心进行重新分类，进而优化族群位置结构[4]。象群分析算法具有较高的收敛能力、识别能力及分离能力。本次研究中，将象群算法用于无线传感网络入侵检测，以进一步优化侵检测技术。

1 无线传感网络入侵检测EHO模型优化建构

1.1 结合飞行及融合粒子策略的算法模型建构

象群优化算法是基于象群同类相识的行动原理来寻求系统最优策略的算法，算法内容包括氏族更新与氏族分离。在氏族更新的过程中，依据大象以女族长为中心的原则进行更新活动。假设，在n个种群中，每个氏族有j头大象，女族长标记为ci，则象群更新后的位置模型如式(1)所示：

xnew，ci，j=xci，j+α·(xbest，ci-xci，j)·r

(1)

式中：xnew，ci，j—— 象群更新后的位置；

xbest，ci—— 女族长适应度最佳的位置；……