基于互信息特征选择和LSSVM的网络入侵检测系统

发布时间：2018-05-28 12:30

  本文选题：网络入侵检测 + 互信息特征选择　； 参考：《中国测试》2017年11期

【摘要】：为提高网络入侵检测系统(IDS)的性能,提出一种基于互信息特征选择和LSSVM的入侵检测方案(BMIFSLSSVM)。将采集到的网络连接数据进行规范化处理,并提出一种权衡考虑特征相关性和冗余性的新型互信息特征选择(BMIFS)方法,以此从网络连接数据中选择出有效特征集。根据提取的训练样本特征集,利用最小二乘支持向量机(LSSVM)构建分类器和简化粒子群优化(SPSO)算法来优化LSSVM的核函数宽度系数和正则化参数,最后利用训练好的分类器进行入侵检测。仿真结果表明:提出的BMIFS能够选择出最优特征集,使BMIFS-LSSVM提高入侵检测准确率且降低误报率。
[Abstract]:In order to improve the performance of network intrusion detection system (IDS), an intrusion detection scheme based on mutual information feature selection and LSSVM is proposed. The collected network connection data are normalized and a new mutual information feature selection (BMIFS) method considering feature correlation and redundancy is proposed in order to select an effective feature set from the network connection data. Based on the extracted feature set of training samples, a classifier and a simplified particle swarm optimization (PSO) algorithm are constructed by using least squares support vector machine (LSSVM) to optimize the kernel width coefficient and regularization parameters of LSSVM. Finally, the trained classifier is used for intrusion detection. The simulation results show that the proposed BMIFS can select the optimal feature set, so that the BMIFS-LSSVM can improve the accuracy of intrusion detection and reduce the false alarm rate.
【作者单位】： 中国民航飞行学院科研处;
【基金】：国家自然科学基金民航联合基金重点项目(U1233202/F01)
【分类号】：TP18;TP393.08

【相似文献】

相关期刊论文 前10条

1 王卫平;唐志煦;;基于混合CatfishPSO-LSSVM特征选择的入侵检测[J];计算机系统应用;2012年01期

2 张永;曹东侠;;一种高效的特征选择机制应用于入侵检测[J];甘肃科学学报;2011年03期

3 闫鹏;郑雪峰;李明祥;陈松华;;关于贝叶斯推理的垃圾邮件特征选择评估函数[J];计算机工程与应用;2008年33期

4 李慧;李存华;王霞;;基于特征选择的网页排名算法[J];计算机工程;2010年13期

5 肖海军;王小非;洪帆;崔国华;;基于特征选择和支持向量机的异常检测[J];华中科技大学学报(自然科学版);2008年03期

6 张晓惠;林柏钢;;基于特征选择和多分类支持向量机的异常检测[J];通信学报;2009年S1期

7 陈玉明;谢斐星;吴克寿;唐朝辉;;基于邻域关系的网络入侵检测特征选择[J];常州大学学报(自然科学版);2014年03期

8 张昭;张润莲;蒋晓鸽;曾兵;;基于特征选择和支持向量机的异常检测方法[J];计算机工程与设计;2013年09期

9 黄君毅;吴静;张晖;;IP流量分类算法中特征选择作用分析[J];计算机工程;2010年16期

10 刘永芬;;基于特征选择的入侵检测方法[J];福建电脑;2012年04期

相关硕士学位论文 前10条

1 袁玉录;基于数据分类的网络通信行为建模方法研究[D];电子科技大学;2015年

2 马铮;网络流量特征分析与特征选择[D];北京邮电大学;2013年

3 徐冬;基于特征选择的入侵检测方法研究[D];吉林大学;2016年

4 郑芳泉;稀有数据的集成特征选择与入侵检测[D];福州大学;2013年

5 黄春虎;基于ReliefF-FCBF组合的入侵特征选择算法研究[D];新疆大学;2016年

6 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

7 黎利辉;基于特征选择的入侵检测研究[D];中南林业科技大学;2009年

8 邱玉祥;特征选择和集成学习及其在入侵检测中的应用[D];南京师范大学;2008年

9 布文秀;基于改进的GHSOM入侵检测技术研究[D];天津大学;2016年

10 张家柏;基于特征选择和聚类的入侵检测的研究[D];中南大学;2010年

，

本文编号：1946706