基于GAIG特征选择算法的轻量化DDoS攻击检测方法

发布时间：2017-11-12 12:42

  本文关键词：基于GAIG特征选择算法的轻量化DDoS攻击检测方法

  更多相关文章： 分布式拒绝服务攻击 轻量级入侵检测 特征选择 分类器

【摘要】：为了提高基于分类的DDo S攻击检测方法的实时性,通过结合轻量级入侵检测提出了以遗传算法为搜索策略、信息增益为子集评估标准的filter型特征选择算法(feature selection based on genetic algorithm and information gain,GAIG),提取具有高区分度的相对最小特征子集。在此基础上对比了Na釭ve Bayes、C4.5、SVM、RBF network、Random forest和Random tree这六种常用分类器的性能,并选取Random tree构建了一种轻量化的DDo S攻击检测系统。实验结果表明,GAIG算法使分类器在尽可能不降低分类精度的同时,提高分类速度,从而提高分类检测的实时性。该轻量化攻击检测系统比一般的分类模型具有更好的检测未知攻击的能力。
【作者单位】： 国家数字交换系统工程技术研究中心;
【基金】：国家科技支撑计划资助项目(2014BAH30B01)
【分类号】：TP393.08
【正文快照】： 0引言分布式拒绝服务(DDo S)攻击作为影响网络运行的主要威胁之一,当前呈现出了攻击流量不断增大、攻击手段多样化等特点。准确、快速地检测DDo S攻击,对于保障网络正常运行具有重要的现实意义。沿用网络异常检测领域的分类方式[1],现有的DDo S攻击检测方法主要有基于统计的检

【参考文献】

中国期刊全文数据库 前1条

1 陈友;沈华伟;李洋;程学旗;;一种高效的面向轻量级入侵检测系统的特征选择算法[J];计算机学报;2007年08期

【共引文献】

中国期刊全文数据库 前10条

1 杨宏宇;李春林;;采用FA和SVDFRM的SVM入侵检测分类模型[J];电子科技大学学报;2009年02期

2 刘延华;周柳鸿;陈国龙;;基于云模型的入侵检测日志数据特征选择算法[J];福州大学学报(自然科学版);2011年06期

3 李享梅;张仕斌;;基于遗传神经网络的入侵特征选择模型[J];成都信息工程学院学报;2013年06期

4 李蕊;;基于PCA和LOGIT模型的网络入侵检测方法[J];成都信息工程学院学报;2014年03期

5 王建军;罗可;赵志学;;基于数据挖掘的SNORT网络入侵检测系统[J];计算机工程与应用;2009年01期

6 肖立中;刘云翔;;适合于入侵检测的分步特征选择算法[J];计算机工程与应用;2010年11期

7 蒋加伏;吴鹏;;基于多目标进化算法的入侵检测特征选择[J];计算机工程与应用;2010年17期

8 吴剑;;基于特征选择的无监督入侵检测方法[J];计算机工程与应用;2011年26期

9 井小沛;汪厚祥;聂凯;罗志伟;;面向入侵检测的基于IMGA和MKSVM的特征选择算法[J];计算机科学;2012年07期

10 颜会娟;秦杰;;基于非线性SVM模型的木马检测方法[J];计算机工程;2011年08期

中国博士学位论文全文数据库 前5条

1 王飞;入侵检测分类器设计及其融合技术研究[D];南京理工大学;2011年

2 彭涛;基于特征和实例的海量数据约简方法研究[D];华中科技大学;2011年

3 赵阔;高速网络入侵检测与防御[D];吉林大学;2008年

4 郎风华;基于人工智能理论的网络安全管理关键技术的研究[D];北京邮电大学;2008年

5 刘勇;面向网络化制造的企业信息安全研究[D];东北大学;2011年

中国硕士学位论文全文数据库 前10条

1 张新东;集成学习及其应用研究[D];石家庄经济学院;2010年

2 黄伟光;网页木马的防御与检测技术研究[D];北京交通大学;2011年

3 朱林杰;基于多分类器集成的入侵检测研究[D];兰州理工大学;2011年

4 闫少华;离群点挖掘在入侵检测中的研究与应用[D];广东工业大学;2011年

5 刘英;基于遗传神经网络的入侵检测系统研究[D];天津理工大学;2011年

6 周应波;基于P2P移动代理的入侵检测系统研究与实现[D];南京航空航天大学;2009年

7 毕孝儒;基于粗糙集属性约简和加权SVM的入侵检测方法研究[D];西安科技大学;2011年

8 唐志煦;基于特征选择的入侵检测研究[D];中国科学技术大学;2011年

9 李凌;基于聚类的异常入侵检测技术[D];北京化工大学;2011年

10 高艳兵;基于FPGA的网络入侵检测系统的设计[D];哈尔滨工程大学;2011年

【二级参考文献】

中国期刊全文数据库 前6条

1 李兴斯;一类不可微优化问题的有效解法[J];中国科学(A辑 数学 物理学 天文学 技术科学);1994年04期

2 张志华,郑南宁,史罡;极大熵聚类算法及其全局收敛性分析[J];中国科学E辑:技术科学;2001年01期

3 唐焕文,张立卫,王雪华;一类约束不可微优化问题的极大熵方法[J];计算数学;1993年03期

4 李兴斯;非线性极大极小问题的一个有效解法[J];科学通报;1991年19期

5 唐焕文,张立卫;凸规划的极大熵方法[J];科学通报;1994年08期

6 陈友;程学旗;李洋;戴磊;;基于特征选择的轻量级入侵检测系统[J];软件学报;2007年07期

【相似文献】

中国期刊全文数据库 前10条

1 卜华龙;夏静;韩俊波;;特征选择算法综述及进展研究[J];巢湖学院学报;2008年06期

2 王博;贾焰;田李;;基于类标号扩展的半监督特征选择算法[J];计算机科学;2009年10期

3 陈红;郭躬德;;一种新的双重融合的半监督特征选择算法[J];小型微型计算机系统;2010年08期

4 张晓光;孙正;徐桂云;阮殿旭;;一种类内方差与相关度结合的特征选择算法[J];哈尔滨工业大学学报;2011年03期

5 陈建华;王治和;蒋芸;许虎寅;樊东辉;;一种改进的文本分类特征选择算法[J];微电子学与计算机;2011年12期

6 郭磊;王亚弟;陈庶樵;朱珂;伊鹏;;一种改进的动态流特征选择算法[J];计算机工程与应用;2012年18期

7 代琨;于宏毅;马学刚;李青;;基于支持向量机的特征选择算法综述[J];信息工程大学学报;2014年01期

8 毛勇;周晓波;夏铮;尹征;孙优贤;;特征选择算法研究综述[J];模式识别与人工智能;2007年02期

9 任双桥;傅耀文;黎湘;庄钊文;;基于分类间隔的特征选择算法[J];软件学报;2008年04期

10 李勇明;张素娟;曾孝平;覃剑;韩亮;;轮询式多准则特征选择算法的研究[J];系统仿真学报;2009年07期

中国重要会议论文全文数据库 前5条

1 甄超;郑涛;许洁萍;;音乐流派分类中特征选择算法研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

2 张仰森;曹元大;;最大熵建模方法中一种改进的特征选择算法[A];NCIRCS2004第一届全国信息检索与内容安全学术会议论文集[C];2004年

3 张铮;胡社教;江萍;;基于EP模式的特征选择算法[A];2011中国仪器仪表与测控技术大会论文集[C];2011年

4 周炎涛;唐剑波;王家琴;;基于信息熵的改进TFIDF特征选择算法[A];第二十六届中国控制会议论文集[C];2007年

5 李文法;段m#毅;刘悦;孙春来;;一种面向流分类的特征选择算法[A];第四届全国信息检索与内容安全学术会议论文集（上）[C];2008年

中国博士学位论文全文数据库 前5条

1 李云;特征选择算法及其在基于内容图像检索中的应用研究[D];重庆大学;2005年

2 刘华文;基于信息熵的特征选择算法研究[D];吉林大学;2010年

3 张靖;面向高维小样本数据的分类特征选择算法研究[D];合肥工业大学;2014年

4 潘巍巍;故障严重程度识别的有序分类特征分析方法[D];哈尔滨工业大学;2013年

5 张嘉伟;心电图形态特征的识别及其在分类中的作用研究[D];华东师范大学;2011年

中国硕士学位论文全文数据库 前10条

1 徐娇;基于Hadoop的文本特征选择算法的研究[D];兰州大学;2015年

2 朱艳玲;基于聚类的多层特征选择算法的研究与应用[D];郑州轻工业学院;2015年

3 周p，

本文编号：1175979