本文聚焦于改进鲸鱼优化算法的网络入侵预警模型构建。研究目的在于提升网络入侵预警模型的性能，增强对复
杂网络入侵行为的检测能力。研究方法上，提出多项关键策略：融合多源数据特征提取与鲸鱼优化算法参数自适应调整，
以全面刻画入侵行为并适应不同网络场景；采用基于动态权重分配的鲸鱼优化算法与深度学习模型融合策略，发挥两者优势；
引入迁移学习与鲸鱼优化算法结合的跨网络入侵预警策略，提高模型通用性；构建基于鲸鱼优化算法的多层次入侵预警模
型评估与更新策略，确保模型持续优化。研究结果表明，这些策略能有效改进鲸鱼优化算法在网络入侵预警模型中的应用。
结论认为，所提策略可显著提高网络入侵预警模型的准确性和可靠性，为网络安全提供更有力保障。
