資源描述：
《基于智能優(yōu)化算法選擇特征的網(wǎng)絡(luò)入侵檢測(cè)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、基于智能優(yōu)化算法選擇特征的網(wǎng)絡(luò)入侵檢測(cè) 摘要：為了改善網(wǎng)絡(luò)入侵檢測(cè)的效果，提出一種智能優(yōu)化算法選擇特征的網(wǎng)絡(luò)入侵檢測(cè)模型。首先采用智能優(yōu)化算法對(duì)網(wǎng)絡(luò)入侵特征進(jìn)行選擇，得到對(duì)檢測(cè)結(jié)果有重要貢獻(xiàn)的特征，去除無(wú)效特征；然后采用支持向量機(jī)建立入侵檢測(cè)分類器，最后采用KDD99數(shù)據(jù)集對(duì)模型性能進(jìn)行分析。結(jié)果表明，該模型提高了網(wǎng)絡(luò)入侵檢測(cè)的準(zhǔn)確率，而且檢測(cè)速度可以滿足網(wǎng)絡(luò)安全實(shí)際應(yīng)用的要求?！ ￡P(guān)鍵詞：智能優(yōu)化算法；網(wǎng)絡(luò)入侵檢測(cè)；支持向量機(jī)；入侵行為；特征選擇 中圖分類號(hào)：TN915.08?34；TP391文獻(xiàn)標(biāo)識(shí)碼：A文
2、章編號(hào)：1004?373X（2016）23?0086?04 Networkintrusiondetectionbasedonselectionfeatureof intelligentoptimizationalgorithm ZHAOYuepin1，2，SUNJieli1 ?。?.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 隨著互聯(lián)網(wǎng)應(yīng)用的日益廣泛，網(wǎng)絡(luò)的
6、安全性、可靠性引起了人們的廣泛關(guān)注[1]。由于互聯(lián)網(wǎng)絡(luò)的開放性，人們網(wǎng)絡(luò)安全意識(shí)淡薄，網(wǎng)絡(luò)入侵十分頻繁，再加上網(wǎng)絡(luò)入侵手段的多樣化，因此如何提高網(wǎng)絡(luò)入侵的檢測(cè)率，保證網(wǎng)絡(luò)正常通信和數(shù)據(jù)傳輸安全成為網(wǎng)絡(luò)管理領(lǐng)域研究中的重大課題[2?3]。5 許多研究人員對(duì)網(wǎng)絡(luò)安全問(wèn)題中的入侵檢測(cè)技術(shù)進(jìn)行了一系列探索，提出了大量的網(wǎng)絡(luò)入侵檢測(cè)模型[3]。當(dāng)前網(wǎng)絡(luò)入侵檢測(cè)模型主要有兩類：傳統(tǒng)方法和現(xiàn)代方法。傳統(tǒng)網(wǎng)絡(luò)入侵檢測(cè)模型基于專家系統(tǒng)等實(shí)現(xiàn)[3?5]，它們屬于線性的網(wǎng)絡(luò)入侵檢測(cè)分析模型，對(duì)于小規(guī)模網(wǎng)絡(luò)有效，然而當(dāng)前網(wǎng)絡(luò)向大規(guī)模、超
7、大規(guī)模方向發(fā)展，網(wǎng)絡(luò)入侵行為日益復(fù)雜，入侵行為的類型與特征間呈現(xiàn)出十分復(fù)雜的變化關(guān)系，傳統(tǒng)模型無(wú)法準(zhǔn)確描述網(wǎng)絡(luò)入侵行為變化的特點(diǎn)，網(wǎng)絡(luò)入侵檢測(cè)率急劇下降，而且入侵檢測(cè)結(jié)果也不可靠，沒(méi)有太大的實(shí)際應(yīng)用價(jià)值[6]。現(xiàn)代網(wǎng)絡(luò)入侵檢測(cè)方法主要基于非線性理論建立網(wǎng)絡(luò)入侵檢測(cè)模型，主要有神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等，相對(duì)于神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)可以更好地?cái)M合入侵行為與特征間的聯(lián)系，在網(wǎng)絡(luò)入侵檢測(cè)應(yīng)用中最為廣泛[7]。在網(wǎng)絡(luò)入侵檢測(cè)建模過(guò)程中，原始網(wǎng)絡(luò)狀態(tài)特征維數(shù)相當(dāng)高，若直接輸入到支持向量機(jī)進(jìn)行學(xué)習(xí)，那么支持向量機(jī)的輸入向量維數(shù)易出現(xiàn)
8、“維數(shù)災(zāi)”現(xiàn)象，同時(shí)，原始網(wǎng)絡(luò)特征中存在一些無(wú)用或者冗余特征，它們會(huì)對(duì)網(wǎng)絡(luò)入侵檢測(cè)的建模效率和檢測(cè)結(jié)果均帶來(lái)不利影響。為了解決網(wǎng)絡(luò)入侵檢測(cè)建模過(guò)程中特征優(yōu)化和選擇問(wèn)題，有學(xué)者提出了采用遺傳算法、粒子群優(yōu)化算法等原始網(wǎng)絡(luò)特征進(jìn)行搜索和求解，選擇一些對(duì)網(wǎng)絡(luò)入侵檢測(cè)結(jié)果有重要貢獻(xiàn)的特征作為支持向量機(jī)的輸入向量，在一定程度上降低了特征維數(shù)，加快了網(wǎng)絡(luò)入侵的建模速度，
