基于遺傳算法的特征選擇在入侵檢測中的應用研究.pdf

1、隨著網(wǎng)絡的廣泛應用,網(wǎng)絡安全問題也越來越嚴峻。當前網(wǎng)絡攻擊方法層出不窮,入侵規(guī)模不斷擴大,使得目前防火墻等被動的網(wǎng)絡安全機制對許多攻擊無能為力。入侵檢測技術(shù)作為一種主動防御技術(shù),彌補了傳統(tǒng)安全技術(shù)的不足,故對入侵檢測技術(shù)的研究十分必要。一般情況下,要提高入侵檢測系統(tǒng)分類器的識別率總是過度地提取特征信息,結(jié)果不僅特征空間維數(shù)增大,而且存在較大的冗余。因而需要在盡量不降低分類精度的前提下降低特征空間的維數(shù),從而提高入侵檢測系統(tǒng)的速度。

2、>　　 本文主要結(jié)合遺傳算法、粒子群算法、支持向量機等技術(shù)改進特征選擇方法,并將其應用在入侵檢測領(lǐng)域以解決病毒數(shù)量大、變化快、維度高和干擾多的問題。同時在病毒入侵檢測的檢測效率與精度等方面做出積極的探索。論文的主要工作總結(jié)如下:
　　 改進一種基于遺傳算法的特征選擇方法。針對檢測效率與精度的需求,改進了一種基于遺傳算法來實現(xiàn)特征子集選擇。該算法結(jié)合F1-measure評價指標和分類權(quán)值來構(gòu)造適應度函數(shù);采用海明距離生成優(yōu)質(zhì)初始

3、種群;同時,該算法利用遺傳算法優(yōu)化了支持向量機分類器的參數(shù)。
　　 改進一種基于二進制粒子群遺傳算法的特征選擇方法。針對遺傳算法變異的盲目性,容易陷入局部最優(yōu)解、存在早熟現(xiàn)象等缺點,通過改進一種基于二進制粒子群遺傳算法來實現(xiàn)特征子集的選擇。該算法根據(jù)當前迭代次數(shù)動態(tài)設(shè)置自適應慣性權(quán)重更新方法;通過調(diào)整學習因子加快收斂速度,提高了算法性能:利用粒子群算法來構(gòu)造變異算子,避免了遺傳算法變異的隨機性;進行種群分割有利于保持種群多樣性。