特征選擇算法研究及其在入侵檢測中的應(yīng)用.pdf

1、入侵檢測已成為網(wǎng)絡(luò)應(yīng)用發(fā)展十分必要的主動安全防御技術(shù)，一直以來都是一個重要的研究課題。網(wǎng)絡(luò)技術(shù)的多樣化發(fā)展使入侵檢測面臨更嚴(yán)峻的挑戰(zhàn)，主要問題在于如何保障對海量數(shù)據(jù)的檢測分析速度和精度。因此，將特征選擇算法應(yīng)用于入侵檢測，可有效降低檢測數(shù)據(jù)維度，在維持檢測精度的條件下大大提高檢測效率。
　　 特征選擇是指依據(jù)給定的評價標(biāo)準(zhǔn)，從原始特征空間中選擇一個最優(yōu)特征子集。但是，目前應(yīng)用于入侵檢測的特征選擇方法往往是封裝器模型方法，它需要與

2、學(xué)習(xí)算法之間進(jìn)行一系列的反復(fù)迭代驗證特征選擇的效果，以選取最優(yōu)的特征子集，這樣勢必會造成大量時間花費：另外傳統(tǒng)特征選擇算法經(jīng)常輕視冗余特征對數(shù)據(jù)集的影響，而冗余特征的存在間接加重了檢測系統(tǒng)的實時性問題。因此，研究新型快速的特征選擇算法對于提高入侵檢測系統(tǒng)的檢測效率十分必要。
　　 本文首先介紹特征選擇算法在數(shù)據(jù)挖掘和入侵檢測中的研究現(xiàn)狀，詳細(xì)分析了特征選擇算法的研究，給出了特征選擇算法的四大要素和分類模型的闡述；接著，闡述了一種

3、基于數(shù)據(jù)不一致率的快速特征選擇算法及其實驗分析效果，并從兩個方面進(jìn)行改進(jìn)，首先通過對稱不確定性值對特征進(jìn)行分類能力降序排列，降低特征選擇時間與計算復(fù)雜度；再通過特征對數(shù)據(jù)的一致性貢獻(xiàn)度進(jìn)一步判定特征的分類能力，并確定特征間的相關(guān)性，充分考慮特征間的相關(guān)性，消除冗余特征。利用UCI數(shù)據(jù)集完成了實驗測試，對比分析結(jié)果表明改進(jìn)的快速特征選擇方法不僅具有較高的分類正確性，且具有明顯的計算優(yōu)勢。
　　 最后，為檢測本文方法應(yīng)用于入侵檢測數(shù)