基于智能优化算法选择特征的网络入侵检测

《基于智能优化算法选择特征的网络入侵检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于智能优化算法选择特征的网络入侵检测　　摘要：为了改善网络入侵检测的效果，提出一种智能优化算法选择特征的网络入侵检测模型。首先采用智能优化算法对网络入侵特征进行选择，得到对检测结果有重要贡献的特征，去除无效特征；然后采用支持向量机建立入侵检测分类器，最后采用KDD99数据集对模型性能进行分析。结果表明，该模型提高了网络入侵检测的准确率，而且检测速度可以满足网络安全实际应用的要求。　　关键词：智能优化算法；网络入侵检测；支持向量机；入侵行为；特征选择　　中图分类号：TN915.08?34；TP391文献标识码：A文

2、章编号：1004?373X（2016）23?0086?04　　Networkintrusiondetectionbasedonselectionfeatureof　　intelligentoptimizationalgorithm　　ZHAOYuepin1，2，SUNJieli1　　（1.HebeiUniversityofEconomicsandBusiness，Shijiazhuang050061，China；2.HebeiJiaotongVocationalandTechnicalCollege，Shijiaz

3、huang050091，China）　　Abstract：Inordertoimprovetheeffectofnetworkintrusiondetection，anetworkintrusiondetectionmodelbasedonselectionfeatureofintelligentoptimizationalgorithmisproposed.The5intelligentoptimizationalgorithmisusedtoselectthenetworkintrusionfeaturesto

4、obtaintheimportantcontributionfeatureforthedetectionresult，andremovetheinvalidfeatures.Thesupportvectormachineisemployedtoestablishtheclassifierofintrusiondetection.TheKDD99datasetisadoptedtoanalyzethemodelperformance.Theresultsshowthatthemodelcanimprovetheacc

5、uracyofnetworkintrusiondetection，anditsdetectionspeedcanmeettherequirementofnetworksecuritypracticalapplication.　　Keywords：intelligentoptimizationalgorithm；networkintrusiondetection；supportvectormachine；intrusionbehavior；featureselection　　0引言　　随着互联网应用的日益广泛，网络的

6、安全性、可靠性引起了人们的广泛关注[1]。由于互联网络的开放性，人们网络安全意识淡薄，网络入侵十分频繁，再加上网络入侵手段的多样化，因此如何提高网络入侵的检测率，保证网络正常通信和数据传输安全成为网络管理领域研究中的重大课题[2?3]。5　　许多研究人员对网络安全问题中的入侵检测技术进行了一系列探索，提出了大量的网络入侵检测模型[3]。当前网络入侵检测模型主要有两类：传统方法和现代方法。传统网络入侵检测模型基于专家系统等实现[3?5]，它们属于线性的网络入侵检测分析模型，对于小规模网络有效，然而当前网络向大规模、超

7、大规模方向发展，网络入侵行为日益复杂，入侵行为的类型与特征间呈现出十分复杂的变化关系，传统模型无法准确描述网络入侵行为变化的特点，网络入侵检测率急剧下降，而且入侵检测结果也不可靠，没有太大的实际应用价值[6]。现代网络入侵检测方法主要基于非线性理论建立网络入侵检测模型，主要有神经网络、支持向量机等，相对于神经网络，支持向量机可以更好地拟合入侵行为与特征间的联系，在网络入侵检测应用中最为广泛[7]。在网络入侵检测建模过程中，原始网络状态特征维数相当高，若直接输入到支持向量机进行学习，那么支持向量机的输入向量维数易出现

8、“维数灾”现象，同时，原始网络特征中存在一些无用或者冗余特征，它们会对网络入侵检测的建模效率和检测结果均带来不利影响。为了解决网络入侵检测建模过程中特征优化和选择问题，有学者提出了采用遗传算法、粒子群优化算法等原始网络特征进行搜索和求解，选择一些对网络入侵检测结果有重要贡献的特征作为支持向量机的输入向量，在一定程度上降低了特征维数，加快了网络入侵的建模速度，