El desarrollo de tecnologías de medición de redes ha aumentado enormemente la velocidad de los escaneos de red, pero también plantea riesgos para la estabilidad de las redes escaneadas. Cómo reducir el tráfico de sondeo y mejorar la efectividad del sondeo se ha convertido en un nuevo problema de investigación. En este artículo, utilizamos técnicas de medición de redes y aprendizaje automático, aprovechando las interfaces públicas de plataformas de mapeo de redes para construir un conjunto de datos con 44 dimensiones de características. Al combinar el modelo de refuerzo categórico (CatBoost) con el algoritmo de optimización de enjambre de partículas (PSO) para la optimización heurística, proponemos un modelo de predicción de apertura de puertos de host que integra el algoritmo PSO y el modelo CatBoost. A través de comparaciones con varios modelos de aprendizaje automático, se validó la efectividad de nuestro modelo propuesto. El uso de este modelo en el escaneo de redes puede ahorrar aproximadamente el 65% del ancho de banda en promedio, reduciendo efectivamente el impacto en la red sondeada.