针对网络入侵检测模型自适应能力不足的问题，将麻雀搜索算法（SSA）中的大范围快速搜索能力引入到粒子群优化（PSO）算法，提出基于麻雀搜索算法的改进粒子群优化（SSAPSO）算法。该算法通过对轻量级梯度提升机（LightGBM）算法中难以整定的参数进行寻优，使PSO算法在保证寻优精度的同时快速收敛，并得到最优的网络入侵检测模型。仿真实验结果表明，在4种基准函数上，SSAPSO比基本PSO算法收敛速度更快；在KDDCUP99数据集上，SSAPSO优化LightGBM后得到的SSAPSO-LightGBM算法比分类特征和梯度提升（CatBoost）算法的准确率、召回率、精确率和F1指数分别提升了15.12%、3.25%、21.26%和12.25%；SSAPSO-LightGBM算法在上述数据集中正常流量（Normal）、未授权远程访问（R2L）攻击、未授权本地访问（U2R）攻击、监听（PROBE）攻击的检测准确率比LightGBM算法分别提升了0.61%、3.14%、4.24%、1.04%和5.03%。
