資源描述：
《基于智能優(yōu)化算法選擇特征的網(wǎng)絡入侵檢測》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、基于智能優(yōu)化算法選擇特征的網(wǎng)絡入侵檢測 摘要：為了改善網(wǎng)絡入侵檢測的效果，提出一種智能優(yōu)化算法選擇特征的網(wǎng)絡入侵檢測模型。首先采用智能優(yōu)化算法對網(wǎng)絡入侵特征進行選擇，得到對檢測結果有重要貢獻的特征，去除無效特征；然后采用支持向量機建立入侵檢測分類器，最后采用KDD99數(shù)據(jù)集對模型性能進行分析。結果表明，該模型提高了網(wǎng)絡入侵檢測的準確率，而且檢測速度可以滿足網(wǎng)絡安全實際應用的要求?！ ￡P鍵詞：智能優(yōu)化算法；網(wǎng)絡入侵檢測；支持向量機；入侵行為；特征選擇 中圖分類號：TN915.08?34；TP391文獻標識碼：A文
2、章編號：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)應用的日益廣泛，網(wǎng)絡的
6、安全性、可靠性引起了人們的廣泛關注[1]。由于互聯(lián)網(wǎng)絡的開放性，人們網(wǎng)絡安全意識淡薄，網(wǎng)絡入侵十分頻繁，再加上網(wǎng)絡入侵手段的多樣化，因此如何提高網(wǎng)絡入侵的檢測率，保證網(wǎng)絡正常通信和數(shù)據(jù)傳輸安全成為網(wǎng)絡管理領域研究中的重大課題[2?3]。5 許多研究人員對網(wǎng)絡安全問題中的入侵檢測技術進行了一系列探索，提出了大量的網(wǎng)絡入侵檢測模型[3]。當前網(wǎng)絡入侵檢測模型主要有兩類：傳統(tǒng)方法和現(xiàn)代方法。傳統(tǒng)網(wǎng)絡入侵檢測模型基于專家系統(tǒng)等實現(xiàn)[3?5]，它們屬于線性的網(wǎng)絡入侵檢測分析模型，對于小規(guī)模網(wǎng)絡有效，然而當前網(wǎng)絡向大規(guī)模、超
7、大規(guī)模方向發(fā)展，網(wǎng)絡入侵行為日益復雜，入侵行為的類型與特征間呈現(xiàn)出十分復雜的變化關系，傳統(tǒng)模型無法準確描述網(wǎng)絡入侵行為變化的特點，網(wǎng)絡入侵檢測率急劇下降，而且入侵檢測結果也不可靠，沒有太大的實際應用價值[6]?，F(xiàn)代網(wǎng)絡入侵檢測方法主要基于非線性理論建立網(wǎng)絡入侵檢測模型，主要有神經網(wǎng)絡、支持向量機等，相對于神經網(wǎng)絡，支持向量機可以更好地擬合入侵行為與特征間的聯(lián)系，在網(wǎng)絡入侵檢測應用中最為廣泛[7]。在網(wǎng)絡入侵檢測建模過程中，原始網(wǎng)絡狀態(tài)特征維數(shù)相當高，若直接輸入到支持向量機進行學習，那么支持向量機的輸入向量維數(shù)易出現(xiàn)
8、“維數(shù)災”現(xiàn)象，同時，原始網(wǎng)絡特征中存在一些無用或者冗余特征，它們會對網(wǎng)絡入侵檢測的建模效率和檢測結果均帶來不利影響。為了解決網(wǎng)絡入侵檢測建模過程中特征優(yōu)化和選擇問題，有學者提出了采用遺傳算法、粒子群優(yōu)化算法等原始網(wǎng)絡特征進行搜索和求解，選擇一些對網(wǎng)絡入侵檢測結果有重要貢獻的特征作為支持向量機的輸入向量，在一定程度上降低了特征維數(shù)，加快了網(wǎng)絡入侵的建模速度，
