特征选择和分类器优化耦合的网络入侵检测

摘要：

针对网络入侵中特征选择与分类器参数不匹配问题，提出一种特征选择和分类器优化耦合的网络入侵检测模型（F-SVM）。通过径向基核函数将网络特征的评估标准映射至高维空间进行计算，建立网络特征评估和后续网络入侵分类器之间的联系，在特征选择阶段解决了分类器的参数设计问题，建立网络入侵检测模型，并采用KDD 99数据集对F-SVM的性能进行测试。结果表明，F-SVM不仅可以消除无用、冗余特征，网络特征的维数显著降低，而且获得了网络入侵分类器的最优参数，从而提高了网络入侵检测的正确率和检测效率。

关键词：特征选择、分类器、网络入侵、参数优化、核函数参数

分类号：TP391(计算技术、计算机技术)

资助基金：安徽省教育厅自然科学研究项目No.KJ2013Z262，No.KJ2012Z313；全国统计科学研究计划项目No.2012LY009。

在线出版日期：2013-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：87-90