一种高效的面向轻量级入侵检测系统的特征选择算法

摘要：

特征选择是网络安全、模式识别、数据挖掘等领域的重要问题之一.针对高维数据对象,特征选择一方面可以提高分类精度和效率,另一方面可以找出富含信息的特征子集.文中提出一种wrapper型的特征选择算法来构建轻量级入侵检测系统.该算法采用遗传算法和禁忌搜索相混合的搜索策略对特征子集空间进行随机搜索,然后利用提供的数据在无约束优化线性支持向量机上的平均分类正确率作为特征子集的评价标准来获取最优特征子集.文中按照DOS,PROBE,R2L,U2R 4个类别对KDD1999数据集进行分类,并且在每一类上进行了大量的实验.实验结果表明,对每一类攻击文中提出的特征选择算法不仅可以加快特征选择的速度,而且基于该算法构建的入侵检测系统在建模时间、检测时间、检测已知攻击、检测未知攻击上,与没有运用特征选择的入侵检测系统相比具有更好的性能.

关键词：特征选择、遗传算法、禁忌搜索、线性支持向量机、入侵检测系统

所属期刊栏目：30

分类号：TP309(计算技术、计算机技术)

资助基金：国家重点基础研究发展计划973计划2004CB318109;国家信息安全计划项目2005C39

在线出版日期：2007-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1398-1408